如何单独抓取 Word 文档中的每一页文本（使用 .NET）？

Question

我需要确定关键字出现在 Word 文档的哪些页面上。 我有一些工具可以获取文档的文本，但没有任何工具可以告诉我文本出现在哪些页面上。 有人为我提供一个好的起点吗？ 我正在使用 .NET

谢谢！

编辑：附加约束：我不能使用任何互操作性的东西。

edit2：如果有人知道可以做到这一点的稳定库，那也会有帮助。 我用Aspose，但据我所知没有任何东西。

Answer 1

这就是我获取文本的方式，我相信您可以将选择范围设置为页面，然后您可以测试该文本，可能与您需要的有点倒退，但可能是一个开始的地方。

Microsoft.Office.Interop.Word.Application wordApplication = new Microsoft.Office.Interop.Word.Application();
object missing = Type.Missing;
object fileName = @"c:\file.doc";
object objFalse = false;

wordApplication.DisplayAlerts = Microsoft.Office.Interop.Word.WdAlertLevel.wdAlertsNone;
Microsoft.Office.Interop.Word.Document doc = wordApplication.Documents.Open(ref fileName, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing,ref objFalse, ref missing, ref missing, ref missing, ref missing);

//I belevie you can define a SelectionRange and insert here
doc.ActiveWindow.Selection.WholeStory();
doc.ActiveWindow.Selection.Copy();

IDataObject data = Clipboard.GetDataObject();
string text = data.GetData(DataFormats.Text).ToString();

doc.Close(ref missing, ref missing, ref missing);
doc = null;

wordApplication.Quit(ref missing, ref missing, ref missing);
wordApplication = null;

Answer 2

您如何定义页面？

如果只计算节/硬分页符，它会很复杂，但可行。 如果您想计算软分页符，那么任务将变得非常非常困难并且有些毫无意义。 考虑到软分页着陆位置的确定是在运行时动态生成的，并且不存储在文件本身中。 它取决于很多因素，包括活动的打印机驱动程序（是的，它可以针对不同计算机上的同一个文件进行更改）、字体、字距、行距、边距等。

Answer 3

使用 Aspose 执行此操作的一种蹩脚方法是将 Word 文件转换为 PDF，然后抓取每个页面上的文本。

我对 Aspose 内部结构或它们在转换时如何定义软页面一无所知，但这是迄今为止我所得到的最好的。

Answer 4

感谢您使用 Aspose.Words。

在公共 API 中，我们目前只有“流文档”信息，例如段落、表格、列表等。在内部，我们构建了一个页面布局模型，其中包含页面、文本块、文本行等类。 当然，文档模型和布局模型之间存在内部链接，并且可以找出哪个页面结束于何处以及所有内容。 通过公共 API 提供这些信息（嗯，仍然）是我们的首要任务。

您是否已在 Aspose.Words 支持论坛中记录了您的请求？ 我们使用这些信息来维护投票系统，并将致力于首先获得更多选票的功能。