在不启动 MSWord 的情况下读取 .doc 文件

Question

我正在尝试打开 .doc 文件并读取其内容。但我找不到任何方法可以在不启动 MSWord 的情况下执行此操作。

现在我有以下代码：

Microsoft.Office.Interop.Word.Application app = new Microsoft.Office.Interop.Word.Application();
object nullObject = System.Reflection.Missing.Value;
object file = @"C:\doc.doc";
Microsoft.Office.Interop.Word.Document doc = app.Documents.Open(ref file, ref nullObject, ref nullObject,
         ref nullObject, ref nullObject, ref nullObject, ref nullObject, ref nullObject, ref nullObject,
         ref nullObject, ref nullObject, ref nullObject, ref nullObject, ref nullObject, ref nullObject,
         ref nullObject);
doc.ActiveWindow.Selection.WholeStory();
doc.ActiveWindow.Selection.Copy();
IDataObject data = Clipboard.GetDataObject();
string text = data.GetData(DataFormats.Text).ToString();
doc.Close(ref nullObject, ref nullObject, ref nullObject);
app.Quit(ref nullObject, ref nullObject, ref nullObject);

但它启动了 MSWord，有什么解决方案可以在不启动的情况下执行此操作吗？

Answer 1

两种可能性：使用 Microsoft 规范为 .doc 格式编写自己的解析器，或使用现有的库（例如，来自 Aspose）。除非你有几年的空闲时间来完成这项任务，否则后者显然是正确的选择。

Answer 2

上次我这样做时（通过 C++ 中的 COM），我记得应用程序接口中的“Visible”属性（true=visible）。

但是，在我看来，默认值是 false，因此您必须将其设置为 true 才能使 Word 出现。

无论用户是否可以看到 Word，您仍然会在任务管理器中看到 winword.exe（或今天的名称）。我认为没有办法通过此界面访问 Word，而不启动 Word（无论是否在幕后）。

如果您根本不想启动 Word，则可能需要寻找其他解决方案。

Answer 3

使用“添加引用”添加命名空间-->浏览-->Code7248.word_reader.dll

从给定的 URL 下载 dll：

sourceforge.net/p/word-reader/wiki/Home

（一个简单的 .NET 库，与 C# 的 .NET 2.0、3.0、3.5 和 4.0 兼容。目前它只能提取来自 .doc 或 .docx 文件的原始文本。）

示例代码位于 C# 的简单控制台中：

using System;
using System.Collections.Generic;
using System.Text;
//add extra namespaces
using Code7248.word_reader;


namespace testWordRead
{
    class Program
    {
        private void readFileContent(string path)
        {
            TextExtractor extractor = new TextExtractor(path);
            string text = extractor.ExtractText();
            Console.WriteLine(text);
        }
        static void Main(string[] args)
        {
            Program cs = new Program();
            string path = "D:\Test\testdoc1.docx";
            cs.readFileContent(path);
            Console.ReadLine();
        }
    }
}

它工作正常。