正在使用DocumentFormat.OpenXml dll读取.Doc文件

本文关键字：dll 读取 Doc 文件 OpenXml DocumentFormat | 更新日期: 2023-09-27 18:29:54

当我尝试使用DocumentFormat.OpenXml dll读取.doc文件时，其给出的错误为"文件包含损坏的数据"。

此dll正在正确读取.docx文件。

DocumentFormat.OpenXml dll能否帮助读取.doc文件？

string path = @"D:'Data'Test.doc";
string searchKeyWord = @"java";
private bool SearchWordIsMatched(string path, string searchKeyWord)
{
    try
    {
       using (WordprocessingDocument wordDoc = WordprocessingDocument.Open(path, true))
       {
           var text = wordDoc.MainDocumentPart.Document.InnerText;
           if (text.Contains(searchKeyWord))
               return true;
           else
               return false;
       }
     }
     catch (Exception ex)
     {
         throw ex;
     }
}

正在使用DocumentFormat.OpenXml dll读取.Doc文件

旧.doc文件与新.docx文件的格式完全不同。所以，不，您不能使用OpenXml库来读取.doc文件。

要做到这一点，您需要首先手动转换文件，或者需要使用Office互操作，而不是现在使用的Open XML SDK。

恐怕没有比已经给出的答案更好的答案了。Microsoft Word DOC格式是二进制的，而像DOCX这样的OpenXML格式是压缩的XML文件。OpenXml框架仅用于处理后者。

根据建议，您唯一的其他选择是使用Word互操作或第三方库来转换DOC->DOCX，然后您可以使用OpenXml库。

.doc（如果使用旧版本的Microsoft Word创建）与.docx（基本上是一个包含一些XML文档的zip文件）的结构不同。

如果您的.doc是"可解压缩的"（只需将.doc扩展名重命名为.zip）以进行探测，则必须手动将.doc转换为.docx。

您可以使用IFilterTextReader。

TextReader reader = new FilterReader(path);
using (reader)
{
    txt = reader.ReadToEnd();
}

你可以看看http://www.codeproject.com/Articles/13391/Using-IFilter-in-C

相关文章：