用.Net或Java解析Word文档内容

Question

我希望有人能帮我解析MS Word。基本上，我需要解析Word文档的内容，并使用结果值来形成映射。实际上Word会有这样的内容：

Key1: Value1
Key2: Value2
KeyKey1: Key11: Value11
         Key12: Value12
KeyKey2:
  Key21: Value21
  Key22: Value22

他说，文档将有表或键值对(key-key-value也是)。我们需要识别或区分key & keykey，并需要解析文档并将其插入到map中。目前，我正在考虑手动解析，这看起来像是对值进行了太多的硬编码。例如，如何区分key1和keykey1，以及key1和keykey2。

请推荐一些方法来解析word文档或库的内容，以便在C#或Java中进行解析。

任何帮助都将不胜感激。提前谢谢。

Answer 1

您需要查看文档的内容吗？为此，您可以在Java中使用Apache POI。我们在我们的应用程序中使用它，没有任何问题。我们既可以读取Word和Excel文档，也可以从这些文档中进行写入。文档非常完整，API也非常简单。

Answer 2

到目前为止，最好的库是Apache tika来做同样的事情。它支持多种文档类型，并且只需要编写几行代码。您可以阅读这篇文章，http://www.lucidimagination.com/Community/Hear-from-the-Experts/Articles/Content-Extraction-Tika，如果您忽略与solr相关的代码，那么提取pdf内容只需要5-6行代码。

Answer 3

你可以看看用Java语言解析word文档的Java API For Microsoft documents。