使用openxml提取word中的文本和圖片並轉為Html

来源:https://www.cnblogs.com/ping9719/archive/2020/03/11/12462478.html
-Advertisement-
Play Games

使用openxml提取word中的文本和圖片 使用 openXml 提取 word 中的 Text 和 Drawing 使用 openXml 將 word 中的文本和圖片轉為Html 使用 openXml 將 word 中的 文本 和 圖片 轉為 Html 註:只支持內嵌,不支持公式 文章最後為效果 ...


使用openxml提取word中的文本和圖片

使用 openXml 提取 word 中的 Text 和 Drawing

使用 openXml 將 word 中的文本和圖片轉為Html

使用 openXml 將 word 中的 文本 和 圖片 轉為 Html

註:只支持內嵌,不支持公式

 

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

---------------文章最後為效果------------

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

 

加入包:OpenXml

創建文件:Read.cs

複製下麵全部代碼到文件 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 Read
    {
        public List<string> ParagraphHtmlAll(string wordPathStr)
        {
            return ParagraphHtmlAll(new FileStream(wordPathStr, FileMode.Open));
        }

        public List<string> ParagraphHtmlAll(Stream wordStream)
        {
            using (WordprocessingDocument doc = WordprocessingDocument.Open(wordStream, false))
            {
                //XmlWriterSettings settings = new XmlWriterSettings() { OmitXmlDeclaration = true, ConformanceLevel = ConformanceLevel.Auto,DoNotEscapeUriAttributes=true};
                List<string> paragraphHtmls = new List<string>();

                MainDocumentPart mainPart = doc.MainDocumentPart;
                Body body = doc.MainDocumentPart.Document.Body;

                //段落
                foreach (var paragraph in body.Elements<Paragraph>())
                {
                    StringBuilder paragraphHtml = new StringBuilder();
                    //塊
                    foreach (var run in paragraph.ChildElements)
                    {
                        if (run is Run)
                        {
                            foreach (OpenXmlElement openXmlElement in run.Elements())
                            {
                                //文字塊
                                if (openXmlElement is Text)
                                {
                                    Text text = openXmlElement as Text;

                                    paragraphHtml.Append(text.Text);
                                }
                                //圖像塊
                                else if (openXmlElement is Drawing)
                                {
                                    Drawing drawing = openXmlElement as Drawing;

                                    //得到圖像的內嵌ID(外嵌沒做處理)
                                    var inline = drawing.Inline;
                                    var extent = inline.Extent;
                                    var pic = inline.Graphic.GraphicData.GetFirstChild<DocumentFormat.OpenXml.Drawing.Pictures.Picture>();
                                    var embed = pic.BlipFill.Blip.Embed.Value;

                                    //得到圖像流
                                    var part = mainPart.GetPartById(embed);
                                    var stream = part.GetStream();

                                    //流轉2進位
                                    byte[] bytes = new byte[stream.Length];
                                    stream.Read(bytes, 0, bytes.Length);

                                    //2進位轉base64
                                    string imgHtml = $"<img style='width:{ImageExtent.EMU_TO_PX((decimal)extent.Cx.Value).ToString("0.")}px;height:{ImageExtent.EMU_TO_PX((decimal)extent.Cy.Value).ToString("0.")}px' src='data:{part.ContentType};base64," + Convert.ToBase64String(bytes) + "' />";
                                    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;
            }
            
        }
        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;
        }
    }
}

 

創建文件:ImageExtent.cs

複製下麵全部代碼到文件 ImageExtent.cs

using System;
using System.Collections.Generic;
using System.Text;

namespace YCBX.Office.WordXml
{
    /// <summary>
    /// 圖像長度單位轉換
    /// </summary>
    public class ImageExtent
    {
        private const decimal CM_TO_PX = 96M;
        private const decimal INCH_TO_CM = 2.54M;
        /// <summary>
        /// 釐米到EMU(English Metric Unit)
        /// </summary>
        private const decimal CM_TO_EMU = 360000M;

        /// <summary>
        /// EMU(English Metric Unit) 到像素(px)
        /// </summary>
        /// <param name="EMU"></param>
        public static decimal EMU_TO_PX(decimal EMU)
        {
            return EMU / CM_TO_EMU / INCH_TO_CM * CM_TO_PX;
        }
    }
}

  

調用方法:

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

 

word文件中為:

 

 

創建一個test.html,將代碼放在<body></body>中,查看效果為:

 

 

完成

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 本筆記摘抄自:https://www.cnblogs.com/susufufu/p/6882498.html,記錄一下學習過程以備後續查用。 一、官方概述 特性提供功能強大的方法,用以將元數據或聲明信息與代碼(程式集、類型、方法、屬性等)相關聯。 特性與程式實體關聯後,即可在運行時使用名 為“反射” ...
  • 在前面章節中,花費大量時間分析了視窗的內容模型——換句話說,研究瞭如何在其他元素中嵌套元素,進而構建完整的視窗。 例如,考慮下圖中顯示的一個非常簡單的視窗,該視窗包含兩個按鈕。為創建該按鈕,在視窗中嵌套了一個StackPanel控制項。在StackPanel控制項中,放置了兩個Button控制項,並且在每 ...
  • public enum Seasons { Spring,Summer,Autumn,Winter } static string GetEnumItemName(Enum enumItem) { string itemName = Enum.GetName(enumItem.GetType(), ...
  • 在C#中有許多音頻播放的方案,例如WinForm里調用系統自帶MediaPlayer的COM組件和WPF的MediaPlayer(實質上還是WindowsMediaPlayer) 以及一堆API播放和DirectX (SDK一大堆) 於是我找到了適用於全平臺、高效、小巧的音頻解碼器--Bass (主 ...
  • 1 public string ExcelFile() 2 { //指定文件路徑, 3 string fileName=@"d:\Stu.xls"; //創建一個文件流,並指定其中屬性 4 using(FileStream fs = new FileStream(fileName,FileMode. ...
  • 場景 效果 註: 博客主頁: https://blog.csdn.net/badao_liumang_qizhi 關註公眾號 霸道的程式猿 獲取編程相關電子書、教程推送與免費下載。 實現 新建一個用戶控制項TransparencyButton,修改其代碼如下 using System; using S ...
  • 有些操作需要管理員許可權,比如寫註冊表,所以就有了以下代碼: 然後又問你是否同意,都是用戶賬戶控制(UAC)惹的事,我明明是管理員身份證登錄windows的,需要我再次確認,就想著能不能把UAC關閉了,發現是可以的: 1. 按鍵盤的“視窗+R”,在運行視窗中輸入“gpedit.msc”回車,打開“本地 ...
  • 第一次用vs12和ao10.2調試addin時,提示無法命中斷點,查看幫助設置了arcmap的net版本後,即可順利調試。 今天vs17調試時發現又不能命中斷點,又勉強返回vs12調試,不是很方便 嘗試後,如下方式目前可用: 1.選擇自動 2.選擇托管 返回vs2012後,發現選擇類型不同也會影響是 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...