В примечаниях к выпуску программного обеспечения есть некоторые важные данные, которые я хотел бы извлекать в каждом выпуске. Есть ли способ извлечь определенную информацию из Microsoft Word?
Приложение, о котором я думаю, будет написано на C#, но я не против, если это любое другое решение.
Все продукты MS Office (Word, Office и т. д.) полностью поддерживают сценарии как внутри (с использованием VBA), так и снаружи (через OLE Automation, также известный как ActiveX; на самом деле, VBA использует интерфейс, доступный через OLE).
Мое предложение состояло бы в том, чтобы найти библиотеку на вашем языке, которая поддерживает это. Здесь находится ссылка на модуль Perl, Win32::OLE, который делает: как видите, он довольно прост в использовании и очень мощен. Интерфейс должен быть аналогичным для других языков.
Я прошел через это несколько лет назад. Ты сможешь:
Используйте Word для преобразования файла в какой-либо другой формат, ASCII, RTF, XML и т. д.
Используйте стороннее приложение для преобразования в другой формат, например ASCII.
Получите доступ к Word API через OLE и извлеките информацию напрямую.
Я не мог найти какие-либо универсальные библиотеки для чтения файлов Word, а тогда все приложения, которые читали файлы Word, работали только для подмножества. Слухи менялись достаточно часто, поэтому им было трудно за ними следить.
Были некоторые документы, в которых перечислялись особенности старых форматов файлов Word, лежащая в основе файловая структура возмутительно сложна. Без большого количества ресурсов было бы трудно синхронизировать код с форматом файла.
Изначально я использовал Perl для управления Word и создания новых документов, но решение оказалось слишком хрупким. Позже я переключил все приложение на работу с PDF-файлами и отказался от Word.
Павел.
Вероятно, не самое элегантное решение, но это кажется самым легким методом: используйте Cscript.
Только что попробовал это на образце документа Word (2003), и он отлично работает.
Дополнительная информация: http://www.gregthatcher.com/Papers/VBScript/WordExtractScript.aspx< /а>
Я много программировал в Excel с помощью инструментов VSTO (Visual Studio Tools for Office), я думаю, вы сможете использовать VSTO API для чтения текстового документа. Вы должны уметь использовать С#
Вы можете написать IFilter для извлечения текста из файлов word. Нет необходимости устанавливать Word.
Вы можете работать как внутри Word (VBA, VSTO), так и вне его.
Снаружи одним из подходов является автоматизация.
Другой — полностью отказаться от использования Word. Если документы имеют формат .docx, вы можете использовать все, что может манипулировать файлом Open XML. У Microsoft есть Open XML SDK, а в мире Java вы можете использовать docx4j или POI.
