必须从word文件中提取数据

Question

我有一个特殊的问题，因为我必须从word文件中提取信息。例如说我有一个简历和需要提取name，email address，phone no.，address，university，Experience等

每个其他人可能有不同format.So自己的简历有没有什么办法让我可以以编程方式提取我需要的信息？

我需要这些信息来填写注册表单。

Answer 1

使用aspose.net将word文档转换为html。
然后，您可以使用正则表达式来搜索单词和/或pdf文档。
或者您可以使用HTMLAgilityPack解析创建的HTML文档，并搜索特定的章节/路径。

PS：
如果你有一个短于一页的电子邮件正则表达式，那么正则表达式是不正确的。
只要您只需支持一个国家，手机应该可以管理。
至于姓名和地址，祝你好运。

编辑：
像这样

VB.NET：

Dim doc As New Aspose.Words.Document("filename.docORdocx") 
doc.Save("filename.html", Aspose.Words.SaveFormat.Html) 

C＃：

Aspose.Words.Document doc = new Aspose.Words.Document("filename.docORdocx"); 
doc.Save("filename.html", Aspose.Words.SaveFormat.Html); 

组件是在这里：
http://www.aspose.com/.net/word-component.aspx

要找出一个有效的电子邮件地址是什么，读RFC 822：
http://www.faqs.org/rfcs/rfc822.html

Answer 2

即使一开始你可能会通过使用COM互操作和Asp.net的想法所吸引，不这样做。

http://support.microsoft.com/kb/257757

这就是说，要知道哪个版本的Word，我们谈论的是很重要的。较新的格式允许将它们视为包含xml文件的zip文件，并且有免费的免费库。

http://docx.codeplex.com/