C# Net Core openxml 提取 提出 取 word  文本  图片 Html Text Drawing

C# Net Core openxml 提取 提出 取 word  文本  图片 Html Text Drawing

注：只支持内嵌，不支持公式

------------------------------------------------

---------------文章最后为效果------------

------------------------------------------------

加入包：OpenXml

创建文件：Read.cs

复制下面全部代码到文件 Read.cs

using DocumentFormat.OpenXml;

using DocumentFormat.OpenXml.Packaging;

using DocumentFormat.OpenXml.Wordprocessing;

using System;

using System.Collections.Generic;

using System.IO;

using System.Text;

using System.Xml;

using System.Xml.Xsl;

namespace YCBX.Office.WordXml

{

public class WordRead

{

public static List ReadToHtml(string wordPathStr)

{

return ReadToHtml(new FileStream(wordPathStr, FileMode.Open));

}

public static List ReadToHtml(Stream wordStream)

{

using (WordprocessingDocument doc = WordprocessingDocument.Open(wordStream, false))

{

//XmlWriterSettings settings = new XmlWriterSettings() { OmitXmlDeclaration = true, ConformanceLevel = ConformanceLevel.Auto,DoNotEscapeUriAttributes=true};

List paragraphHtmls = new List();

MainDocumentPart mainPart = doc.MainDocumentPart;

Body body = doc.MainDocumentPart.Document.Body;

//段落

foreach (var paragraph in body.Elements())

{

StringBuilder paragraphHtml = new StringBuilder();

//块

foreach (var run in paragraph.ChildElements)

{

if (run is Run)

{

foreach (OpenXmlElement openXmlElement in run.Elements())

{

//软回车

if (openXmlElement is Break br)

{

paragraphHtmls.Add(paragraphHtml.ToString());

paragraphHtml = new StringBuilder();

}

//文字块

else if (openXmlElement is Text text)

{

paragraphHtml.Append(text.Text);

}

//图像块

else if (openXmlElement is Drawing drawing)

{

//得到图像的内嵌ID(外嵌没做处理)

var inline = drawing.Inline;

var extent = inline.Extent;

var pic = inline.Graphic.GraphicData.GetFirstChild();

var embed = pic.BlipFill.Blip.Embed.Value;

//得到图像流

var part = mainPart.GetPartById(embed);

var stream = part.GetStream();

//流转2进制

byte[] bytes = new byte[stream.Length];

stream.Read(bytes, 0, bytes.Length);

//2进制转base64

string imgHtml = $"";

paragraphHtml.Append(imgHtml);

}

}

}

//else if(run is DocumentFormat.OpenXml.Math.OfficeMath math)

//{

// var x = new XmlDocument();

// x.LoadXml(math.OuterXml);

// using var ms = ConvertToMatchMl(x, settings);

// paragraphHtml.Append(ConvertToLatex(settings, ms));

//}

}

paragraphHtmls.Add(paragraphHtml.ToString());

}

return paragraphHtmls;

}

}

///

/// 合并文档

///

///

///

public static void Combine(string finalFile, List files)

{

if (files.Count < 2)

{

return;

}

File.Copy(files[0], finalFile, true);

using (WordprocessingDocument doc = WordprocessingDocument.Open(finalFile, true))

{

Body b = doc.MainDocumentPart.Document.Body;

for (int i = 1; i < files.Count; i++)

{

using (WordprocessingDocument doc1 = WordprocessingDocument.Open(files[i], true))

{

foreach (var inst in doc1.MainDocumentPart.Document.Body.Elements())

{

b.Append(inst.CloneNode(true));

}

}

}

}

}

private string ConvertToLatex(XmlWriterSettings settings, Stream ms)

{

var latexTransform = new XslCompiledTransform();

latexTransform.Load(Path.Combine(AppContext.BaseDirectory, "xsltml", "mmltex.xsl"), new XsltSettings(true,true),new XmlUrlResolver() );

using var la = new MemoryStream();

latexTransform.Transform(new XmlTextReader(ms), XmlWriter.Create(la, settings));

la.Seek(0, SeekOrigin.Begin);

StreamReader sr = new StreamReader(la, Encoding.UTF8);

return sr.ReadToEnd();

}

private Stream ConvertToMatchMl(XmlDocument xmlDocument, XmlWriterSettings settings)

{

var ms = new MemoryStream();

var xslTransform = new XslCompiledTransform();

xslTransform.Load(Path.Combine(AppContext.BaseDirectory, "xsltml", "OMML2MML.XSL"));

xslTransform.Transform(xmlDocument, XmlWriter.Create(ms, settings));

ms.Seek(0, SeekOrigin.Begin);

return ms;

}

}

}

创建文件：ImageExtent.cs

复制下面全部代码到文件 ImageExtent.cs

using System;

using System.Collections.Generic;

using System.Text;

namespace YCBX.Office.WordXml

{

///

/// 图像长度单位转换

///

public class ImageExtent

{

private const decimal CM_TO_PX = 96M;

private const decimal INCH_TO_CM = 2.54M;

///

/// 厘米到EMU(English Metric Unit)

///

private const decimal CM_TO_EMU = 360000M;

///

/// EMU(English Metric Unit) 到像素(px)

///

///

public static decimal EMU_TO_PX(decimal EMU)

{

return EMU / CM_TO_EMU / INCH_TO_CM * CM_TO_PX;

}

}

}

调用方法：

var sss = new Read().ParagraphHtmlAll("1.docx");

word文件中为：

创建一个test.html，将代码放在

中，查看效果为：

完成

Java 提取Word中的文本和图片

本文将介绍通过Java来提取或读取Word文档中文本和图片的方法.这里提取文本和图片包括同时提取文档正文当中以及页眉.页脚中的的文本和图片. 使用工具:Free Spire.Doc for Java ...

Java Word中的文本、图片替换功能

Word中的替换功能以查找指定文本然后替换为新的文本,可单个替换或全部替换.以下将要介绍的内容,除常见的以文本替换文本外,还将介绍使用不同对象进行替换的方法,具体可包括: 1. 指定字符串内容替换文本 ...

提取WORD中的所有InlineShape图片并保存成文件

InlineShape表示的类型其实不只是图片,还包括OLE, ACTIVE X等. 下面是MSDN中的定义:Represents an object in the text layer of a d ...

Java 读取Word批注中的文本和图片

本文将介绍读取Word批注的方法,包括读取Word批注中的文本及图片.关于操作Word批注的方法还可以参考这两篇文章:Java 添加.回复.修改.删除Word批注:Java 给Word指定字符串添加批 ...

word中创建文本框

word中创建文本框         在插入中点击"文本框"选项卡,例如以下图所看到的:        手工加入自己想要的文本框格式,然后选择所创建的文本框,在工具栏处会发现多了一 ...

C&num;提取PPT文本——提取SmartArt中的文本、批注中的文本

提取文本的情况在工作和学习中常会遇到,在前面的文章中,已经讲述了如何提取PPT中文本框里的文本,在本篇文章中,将介绍如何使用C#代码语言提取PPT文档中SmartArt和批注中的文本.同样的,程序里面 ...

Java 添加、删除、替换、格式化Word中的文本(基于Spire&period;Cloud&period;SDK for Java)

Spire.Cloud.SDK for Java提供了TextRangesApi接口可通过addTextRange()添加文本.deleteTextRange()删除文本.updateTextRang ...

C&num; 读取Word文本框中的文本、图片和表格(附VB&period;NET代码)

[概述] Word中可插入文本框,在文本框中可添加文本.图片.表格等内容.本篇文章通过C#程序代码介绍如何来读取文本框中的文本.图片和表格等内容.附VB.NET代码,有需要可作参考. [程序环境] 程 ...

Java 读取PDF中的文本和图片

本文将介绍通过Java程序来读取PDF文档中的文本和图片的方法.分别调用方法extractText()和extractImages()来读取.   使用工具:Free Spire.PDF for Ja ...

随机推荐

shell变量

定义变量 定义变量时,变量名不加美元符号($),如: variableName="value" 注意,变量名和等号之间不能有空格,这可能和你熟悉的所有编程语言都不一样.同时,变量名 ...

hpp头文件与h头文件的区别

hpp,其实质就是将.cpp的实现代码混入.h头文件当中,定义与实现都包含在同一文件,则该类的调用者只需要include该hpp文件即可,无需再将cpp加入到project中进行编译.而实现代码将直接 ...

使用hexo在github上写blog

使用hexo在github上写blog 安装nodejs http://nodejs.org/ 安装hexo npm install -g hexo 创建bolg文件夹 安装完成后在自己的工作目录创建 ...

linux中mail函数不能发送邮件怎么办

原因分析: 1.检查下本机25端口是否有开放 2.mail是利用linux自带的sendmail服务来发送邮件的,service sendmail status 查看下该服务的状态 发送命令:mail ...

Jenkins User on Apt-Get Install Installation

转自:http://stackoverflow.com/questions/6234016/jenkins-user-on-apt-get-install-installation QUESTION: ...

在Windows下基于libx264&period;a的Qt 4&period;8&period;2视频压缩

1.在用mingw 4.5.2编译x264后,生成libx264.a文件,将libx264.a和x264.h和x264_config.h拷贝到Qt工程中,将mingw/lib/libpthread.a ...

【读书笔记】【深入理解ES6】&num;9-JavaScript中的类

大多数面向对象的编程语言都支持类和类继承的特性,而JavaScript却不支持这些特性,只能通过其他方法定义并关联多个相似的对象.这个状态一直从ECMAScript 1持续到ECMAScript 5. ...

PDF编辑方法，PDF怎么去除背景

PDF文件现在是使用的频率很高的一个软件的格式,PDF文件能够更加直观清楚的表达,PDF文件的使用很方便但编辑起来就来没有那么容易了,PDF文件的编辑是需要借助软件的,今天小编就来跟大家分享一下PDF ...

C&plus;&plus; lamba使用

Moderm Effective C++ 条款31 第206提到了按引用捕获局部变量和函数形参时,如果lambda式的生命期依赖于局部变量和函数形参的生命期,需注意空悬引用的问题. 原书的例子不够直观 ...

通过PMP考试

带了几年项目,终于持证上岗了,5A通过.