C#實現(xiàn)從Word文檔和各種Word元素中自動提取文本
Word文檔在我們的日常生活中占據(jù)著重要位置，無論是在商業(yè)、教育還是政府工作中，都經(jīng)常需要處理它們。有時，我們需要從這些文檔中提取文本以便在其他地方使用。例如，從法律文件中提取特定章節(jié)進行審查，從報告中提取數(shù)據(jù)以納入演示文稿，或從會議紀要中提取要點與團隊分享。
手動提取文本既費時又容易出錯，尤其是在處理較長或復雜的Word文檔時。自動化這個過程不僅能節(jié)省時間，還能確保準確性。這篇文章將探討如何使用C# 從Word文檔中提取文本。我們將涵蓋不同方面的內容，如提取整個Word文檔的文本、以及提取特定章節(jié)、頁面、段落、行，甚至表格、頁眉和頁腳中的文本。
使用工具
要使用 C# 從 Word 文檔和各種Word元素中提取文本，可以利用 Spire.Doc for .NET 庫。
Spire.Doc for .NET 介紹
Spire.Doc for .NET 是一個功能強大的庫，用于在各種 .NET 框架中處理 Word 文檔，包括 C#、VB.NET、ASP.NET 和 .NET Core。它支持 Word 文件的創(chuàng)建、讀取、編輯、打印和轉換。支持多種 Word 格式，如 DOC、DOCX、DOCM、DOT、DOTX 和 DOTM。此外，它還支持將 Word 文檔轉換為常見格式，如 PDF、RTF、HTML、Text、Image、SVG、ODT、PostScript、PCL 和 XPS。
安裝步驟
安裝 Spire.Doc for .NET 有兩種主要方式：
1. NuGet 安裝
在 Visual Studio 中，右鍵單擊項目中的“解決方案資源管理器”，選擇“管理 NuGet 包”，搜索 Spire.Doc，然后點擊“安裝”?；蛘?，你也可以在“包管理器控制臺”中運行以下命令：
Install-Package Spire.Doc
2. 手動安裝
如果你更喜歡手動安裝，可以從官方網(wǎng)站下載 Spire.Doc 庫。下載后，將 DLL 文件引用添加到項目中。右鍵單擊“解決方案資源管理器”中的“引用”節(jié)點，選擇“添加引用”，瀏覽到下載的 Spire.Doc DLL 的位置，然后將其添加到項目中。
C# 從Word文檔中提取文本
提取Word文檔中的所有文本是文檔處理任務中的常見需求，該需求可以通過Document類的GetText方法來實現(xiàn)，它會將文檔中的所有文本內容返回為字符串。之后，你可以將該字符串的內容寫入文本文件。
實現(xiàn)步驟：
- 使用Document類打開文檔。
- 使用Document對象的GetText方法提取所有文本內容。
- 將提取的文本保存到文本文件中。
以下是使用C# 從Word文檔中提取所有文本的代碼：
using Spire.Doc;
using System.IO;
namespace ExtractTextFromDocument
{
internal class Program
{
static void Main(string[] args)
{
// 打開Word文檔
Document document = new Document("示例.docx");
// 提取文檔的文本
string documentText = document.GetText();
// 將提取的文本寫入文本文件
File.WriteAllText("Output/文檔文本.txt", documentText);
document.Close();
}
}
}
C# 從Word文檔中提取特定章節(jié)的文本
Word文檔可能包含多個章節(jié)，每個章節(jié)都有獨特的內容或格式。要從特定章節(jié)提取文本，可以按以下步驟操作：
- 使用Document類打開文檔。
- 從Document對象的Sections集合中獲取特定章節(jié)。
- 遍歷Section對象的Paragraphs集合。
- 使用Paragraph.Text屬性獲取章節(jié)中每個段落的文本內容。
- 將提取的內容保存到文本文件中。
以下是使用C# 從Word文檔中提取章節(jié)文本的代碼：
using Spire.Doc;
using Spire.Doc.Documents;
using System.IO;
using System.Text;
namespace ExtractTextFromSection
{
internal class Program
{
static void Main(string[] args)
{
// 打開Word文檔
Document document = new Document("示例.docx");
// 獲取文檔中的第一個章節(jié)（可以根據(jù)需要更改索引）
Section section = document.Sections[0];
// 創(chuàng)建StringBuilder存儲提取的文本
StringBuilder sectionText = new StringBuilder();
// 遍歷章節(jié)中的段落
foreach (Paragraph paragraph in section.Paragraphs)
{
// 將每個段落的文本添加到StringBuilder中
sectionText.Append(paragraph.Text + "\n");
}
// 將StringBuilder中的內容寫入文本文件
File.WriteAllText("Output/章節(jié)文本.txt", sectionText.ToString());
document.Close();
}
}
}
C# 從Word文檔中提取特定段落的文本
有時，你可能只想從Word文檔中的某一段落提取文本。要實現(xiàn)該功能，可以按照以下步驟操作：
- 使用Document類打開文檔。
- 從Document對象的Sections集合中獲取特定章節(jié)。
- 從Section對象的Paragraphs集合中獲取特定段落。
- 使用Paragraph.Text屬性獲取該段落的文本內容。
- 將提取的內容保存到文本文件中。
以下是使用C# 從Word文檔中提取特定段落文本的代碼：
using Spire.Doc;
using Spire.Doc.Documents;
using System.IO;
namespace ExtractTextFromParagraph
{
internal class Program
{
static void Main(string[] args)
{
// 打開Word文檔
Document document = new Document("示例.docx");
// 獲取文檔中的第一個章節(jié)（可以根據(jù)需要更改索引）
Section section = document.Sections[0];
// 獲取章節(jié)中的第二個段落（可以根據(jù)需要更改索引）
Paragraph paragraph = section.Paragraphs[1];
// 提取段落的文本
string paraText = paragraph.Text;
// 將提取的文本寫入文本文件
File.WriteAllText("Output/段落.txt", paraText);
document.Close();
}
}
}
C# 從Word文檔中提取特定頁面的文本
有時候，你可能需要提取 Word 文檔中特定頁面的內容。然而，Word 文檔是基于流的，它并不像 PDF 文件那樣本身有頁面的概念。要進行頁面級文本提取，必須先將 Word 文檔轉換為固定布局。以下是實現(xiàn)步驟：
- 使用 FixedLayoutDocument 類將 Word 文檔轉換為固定布局文檔。
- 從 FixedLayoutDocument 對象的 Pages 集合獲取所需頁面。
- 使用 FixedLayoutPage 對象的 Text 屬性提取頁面文本。
- 將提取的文本保存到文本文件中。
以下是使用 C# 從 Word 文檔中提取特定頁面文本的實現(xiàn)代碼：
using Spire.Doc;
using Spire.Doc.Pages;
using System.IO;
namespace ExtractTextFromPage
{
internal class Program
{
static void Main(string[] args)
{
// 打開 Word 文檔
Document document = new Document("示例.docx");
// 將文檔轉換為固定布局文檔以執(zhí)行頁面級操作
FixedLayoutDocument fixedLayoutDoc = new FixedLayoutDocument(document);
// 獲取文檔中的第一頁（可以根據(jù)需要更改索引）
var page = fixedLayoutDoc.Pages[0];
// 獲取該頁面的文本
string pageText = page.Text;
// 將提取的文本寫入文本文件
File.WriteAllText("Output/頁面文本.txt", pageText);
document.Close();
}
}
}
C# 從 Word 文檔中提取特定行的文本
在 Word 中，行是文本在頁面或列中的可視化排列單位，并非獨立的結構對象，其顯示方式受段落、換行符和頁面布局的影響。要從 Word 中提取行文本，同樣需要將Word文檔轉換為固定布局。以下是實現(xiàn)步驟：
- 使用 FixedLayoutDocument 類將 Word 文檔轉換為固定布局文檔。
- 從 FixedLayoutDocument 對象的 Pages 集合獲取所需頁面。
- 從頁面的 Columns 集合中獲取特定列（Word文檔可以包含多列），然后從該列的 Lines 集合中獲取特定行。
- 使用該行的 Text 屬性提取其內容。
- 將提取的文本保存到文本文件中。
以下是使用 C# 從 Word 文檔中提取特定行文本的實現(xiàn)代碼：
using Spire.Doc;
using Spire.Doc.Documents;
using Spire.Doc.Pages;
using System.IO;
using System.Text;
namespace ExtractTextFromLine
{
internal class Program
{
static void Main(string[] args)
{
// 打開 Word 文檔
Document document = new Document("示例.docx");
// 將文檔轉換為固定布局文檔以執(zhí)行頁面級操作
FixedLayoutDocument fixedLayoutDoc = new FixedLayoutDocument(document);
// 假設我們要提取第一頁的第一行
// 獲取第一頁
var page = fixedLayoutDoc.Pages[0];
// 獲取第一列
var column = page.Columns[0];
// 獲取第一行
var line = column.Lines[0];
// 提取該行的文本
string lineText = line.Text;
// 將提取的文本寫入文本文件
File.WriteAllText("Output/行文本.txt", lineText);
document.Close();
}
}
}
C# 從 Word 文檔中提取特定表格的文本
Word 文檔中的表格通過行和列組織信息，使其更易于理解。提取這些表格中的數(shù)據(jù)有助于對這些信息進行進一步分析和處理。以下是提取Word文檔中表格數(shù)據(jù)的實現(xiàn)步驟：
- 使用Document類打開文檔。
- 從Document對象的Sections集合中獲取包含表格的章節(jié)。
- 從Section的 Tables 集合中獲取特定表格。
- 遍歷表格中的行、單元格和單元格中的段落。
- 使用 Paragraph.Text 屬性提取每個段落的文本。
- 將提取的數(shù)據(jù)保存為文本文件，并格式化（例如，使用制表符分隔）。
以下是使用 C# 從 Word 文檔中提取特定表格數(shù)據(jù)的實現(xiàn)代碼：
using Spire.Doc;
using Spire.Doc.Documents;
using System.IO;
using System.Text;
namespace ExtractTextFromTable
{
internal class Program
{
static void Main(string[] args)
{
// 打開 Word 文檔
Document document = new Document("表格.docx");
// 獲取文檔中的第一節(jié)
Section section = document.Sections[0];
// 獲取該節(jié)中的第一個表格
Table table = section.Tables[0] as Table;
// 創(chuàng)建 StringBuilder 用于存儲表格數(shù)據(jù)
StringBuilder tableData = new StringBuilder();
// 遍歷表格中的行
foreach (TableRow row in table.Rows)
{
// 遍歷每一行中的單元格
foreach (TableCell cell in row.Cells)
{
// 遍歷單元格中的段落
foreach (Paragraph paragraph in cell.Paragraphs)
{
// 將每個段落的文本添加到 StringBuilder
tableData.Append(paragraph.Text + "\t");
}
}
tableData.Append("\n");
}
// 將 StringBuilder 中的內容寫入文本文件
File.WriteAllText("Output/表格數(shù)據(jù).txt", tableData.ToString());
document.Close();
}
}
}
C# 從 Word 文檔提取頁眉和頁腳文本
頁眉和頁腳通常包含文檔的標題、元數(shù)據(jù)等附加信息。提取這些信息，有助于更好地理解文檔內容。以下是提取Word文檔頁眉和頁腳文本內容的實現(xiàn)步驟：
- 使用Document類打開文檔。
- 從Document對象的Sections集合中獲取特定的章節(jié)。
- 從Section的HeadersFooters集合中分別獲取 Header 和 Footer 對象。
- 遍歷 Header 和 Footer 對象中的段落，并使用 Paragraph.Text 屬性提取段落文本。
- 將提取的文本保存到文本文件中。
以下是使用 C# 從 Word 文檔中提取頁眉和頁腳文本的實現(xiàn)代碼：
using Spire.Doc;
using Spire.Doc.Documents;
using System.IO;
using System.Text;
namespace ExtractTextFromHeaderFooter
{
internal class Program
{
static void Main(string[] args)
{
// 打開 Word 文檔
Document document = new Document("頁眉頁腳.docx");
// 獲取文檔中的第一節(jié)
Section section = document.Sections[0];
// 獲取該節(jié)的頁眉
HeaderFooter header = section.HeadersFooters.Header;
// 獲取該節(jié)的頁腳
HeaderFooter footer = section.HeadersFooters.Footer;
// 創(chuàng)建 StringBuilder 用于存儲提取的頁眉和頁腳文本
StringBuilder headerFooterText = new StringBuilder();
headerFooterText.Append("頁眉文本:\n");
// 遍歷頁眉中的段落
foreach (Paragraph paragraph in header.Paragraphs)
{
// 將每個段落的文本添加到 StringBuilder
headerFooterText.Append(paragraph.Text + "\n");
}
headerFooterText.Append("頁腳文本:\n");
// 遍歷頁腳中的段落
foreach (Paragraph paragraph in footer.Paragraphs)
{
// 將每個段落的文本添加到 StringBuilder
headerFooterText.Append(paragraph.Text + "\n");
}
// 將 StringBuilder 中的內容寫入文本文件
File.WriteAllText("Output/頁眉頁腳文本.txt", headerFooterText.ToString());
document.Close();
}
}
}
補充：除以上元素外，你還可以從其他Word元素例如批注和文本框中提取文本內容，由于篇幅問題，本文就不進行介紹了。
到此這篇關于C#實現(xiàn)從Word文檔和各種Word元素中自動提取文本的文章就介紹到這了,更多相關C#提取word文本內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
C#鉤子Hook監(jiān)聽鍵盤鼠標事件實現(xiàn)窗體自動關閉
鉤子(Hook)的作用主要體現(xiàn)在監(jiān)視和攔截系統(tǒng)或進程中的各種事件消息,并進行自定義處理,本文主要介紹了C#如何利用鉤子Hook監(jiān)聽鍵盤鼠標事件實現(xiàn)窗體自動關閉功能,感興趣的可以了解下2025-01-01
拖動無邊框窗體Form至桌面任何位置，有需要的朋友可以參考一下2013-08-08
這篇文章主要介紹了C#使用StreamReader讀取文件的方法,涉及C#文件操作的相關技巧,需要的朋友可以參考下2015-05-05
本篇文章主要介紹了C# 以MDF文件鏈接數(shù)據(jù)庫的示例代碼，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-09-09
這篇文章主要給大家介紹了關于Unity色子的投擲和點數(shù)的獲得的相關資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2018-10-10
本文主要介紹RandomId 生成隨機字符串的方法，大家參考使用吧2013-12-12
這篇文章主要介紹了C#多線程編程中的鎖系統(tǒng)基本用法,本文講解了lock、Monitor、mutex、Semaphore等內容,需要的朋友可以參考下2015-04-04
本篇文章是對委托排序進行了詳細的分析介紹，需要的朋友參考下2013-06-06
這篇文章主要介紹了C#實現(xiàn)將應用程序設置為開機啟動的方法,涉及C#針對注冊表的寫入技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-09-09
這篇文章主要是一個應用，使用udp傳送語音和文本等信息。在這個系統(tǒng)中沒有服務端和客戶端，相互通訊都是直接相互聯(lián)系的，能夠很好的實現(xiàn)效果2015-09-09