使用c＃interop从word文档获取格式

Question

正在使用Word Interop和adn C＃在工作中构建一个程序，其中的一个功能获得了一个字数。

现在这不可能是Word字数，因为我需要模拟在工作中使用的CAT工具的字数。

我发现的一个问题是，CAT工具使用文本格式来分割单词。这意味着如果我有第一个词，并且上标为单词，那么单词将会计数一个单词（因为两个单词之间没有任何分隔），并且CAT工具根据文本格式更改计数2个单词。

事情是CAT工具跟踪格式变化和信息打破这个词。因此，我可以逐字逐句逐字逐句检查所有可能性（字体，粗体，斜体等），但是如果多个文档每个都有1000个单词，那么这将非常缓慢。

有谁知道更好的解决方案？

Answer 1

那么从MSDN论坛辛迪给我的答案就这一个

http://social.msdn.microsoft.com/Forums/en-US/worddev/thread/16fc1fb9-4713-45e5-ae00-76bbaafe0a56

那么的方法，我想看看是使用Document.Content.WordOpenXML到的内容解压到一个字符串。内容将采用Office Open XML“扁平封装”格式，这意味着它应包含所有内容。

然后，您应该能够“解析”字符串以获取所需的信息。

如果你看看这样的字符串，你应该看到所有的文本都在元素中。如果有格式化，那么它会将其分解成部分 - 每个格式更改的一部分。因此，除了提取所有w：t元素之外，您需要做的只是检查标点符号和空格，否则将在文本中描述“单词”。