我使用Word Interop和n C#在工作中建立一个程序,其中一个功能是获得字数统计。
现在,这不能是字数统计,因为我需要模拟工作中使用的CAT toool的字数。
我发现的问题之一是CAT工具使用文本格式来拆分单词。这意味着,如果单词format带有st上标,word将计算一个单词(因为这两个单词之间没有任何分隔),CAT工具会根据文本格式的变化计算2个单词。
CAT工具会跟踪格式的变化,并且这些信息会打断单词。
因此,我可以逐个单词,逐个字符,并检查所有的可能性(字体,粗体,斜体,等等),但这将是非常慢的工作多个文档,每个有1000个单词。
有人知道更好的解决方案吗?
发布于 2012-01-10 19:04:48
来自MSDN论坛的Cindy在这个问题上给了我答案。
http://social.msdn.microsoft.com/Forums/en-US/worddev/thread/16fc1fb9-4713-45e5-ae00-76bbaafe0a56
然后,我考虑的方法是使用Document.Content.WordOpenXML将内容提取到一个字符串中。内容将采用Office Open XML“平面包”格式,这意味着它应该包含所有内容。
然后,您应该能够“解析”字符串以获得所需的信息。
如果您查看这样的字符串,您应该看到所有文本都在元素中。如果存在格式化,则会将其分解为多个部分-每个格式更改对应一个部分。因此,除了提取所有w:t元素之外,您需要做的就是检查标点符号和空格,否则这些标点符号和空格将在文本中描绘“单词”。
https://stackoverflow.com/questions/8742246
复制相似问题