如何从 Word 文档中提取 RTF / HTML 文本？

Posted 2023-04-12

【中文标题】如何从 Word 文档中提取 RTF / HTML 文本？

【英文标题】：How to extract RTF / HTML text from a Word document?

【发布时间】：2010-11-12 13:56:43

【问题描述】：

上下文：我使用 Microsoft 发布的 DSOFramer 示例将 Word 嵌入到 Winforms 中。现在，我可以使用 Word 文档的所有格式选项编写文本了。

问题：我可以使用 doc.Content.Text 从文档中提取基本文本（文档是对我的 Word 文档的引用），但我不知道如何获取带有格式的文本，或者RTF 或 html。我跳到 Word 文档有类似于 RichTextBox 中的 Rtf 属性的东西，但似乎并非如此。那么我应该如何获得格式化的文本呢？

【参考方案1】：

您可以使用剪贴板：

Microsoft.Office.Interop.Word.Document doc = 
    axFramerControl1.ActiveDocument as Microsoft.Office.Interop.Word.Document;
doc.Content.Select();
doc.Content.Copy();
this.richTextBox1.Paste();

【讨论】：

感谢您的建议。我已经想到了这一点，但出于两个原因，更多的是作为最后的手段。 1-这意味着有一个隐藏的 RichTextBox 可以将内容粘贴到其中并为我进行格式化。 2- 作为用户，我讨厌那些认为自己拥有剪贴板的应用程序。剪贴板应该供用户个人使用。但我想我可以保存它的内容并在我完成转换后立即重新建立它。仍然是一个非常丑陋的解决方法。我希望 Doc 格式能为我们提供更多。

我知道的唯一替代选择是做一个 doc.SaveAs 到 RTF，然后从磁盘读取它 (codeproject.com/KB/cs/convertdocintootherformat.aspx)。