搜索文件

Question

我目前正在进行一个项目，在这个项目中，我需要通过代码在word文档中搜索短语和单词。

基本上，一个Word文档将被上传，然后搜索一些单词。做这件事最有效的方法是什么？

编辑：，我更感兴趣的是使用什么来读取文档(也就是说，MS是最好的方式吗？)然后，如果在搜索之前对其进行索引会非常有利(如果是这样呢？)。

编辑：搜索可能会搜索数千个短语。

Answer 1

在C#中打开word文档

在此之后，只需使用Contains方法或类似的方法即可。其实也没那么难。你可能想看小写和大写字母的案件。

然后做这样的事情：(伪代码)

string[] stuffToFind = new string[] {"Google", "is your best friend"};

for (int i = 0; i < stuffToFind.Length; i++;)
{
    for (int j = 0; j < document.Length; j++)
    {
        if(document[j].Contains(stuffToFind[i]))
            Console.Writeline("Yeay, we found something");
    }
}

不过，我不太喜欢这个解决方案。它还取决于word document对象是什么样子。

Answer 2

Regex是找到模式的好方法。您可以在这里找到有关相同信息的信息：

REGEX

Answer 3

基本上，您可以使用MS中的一个名为OpenXML SDK 2的免费库来打开word文档(使用Word 2007和更高版本).这个图书馆的工作不需要安装word .然后，您可以提取文本并搜索它，不管您喜欢什么-例如使用System.Text.RegularExpressions.Regex .

当你提取文本时，你可以用上下文信息(位置等)存储所有单词/短语来索引它。在DB中，当用户给您短语进行搜索时，您只需要从DB中SELECT --索引的设计取决于您--您需要不区分大小写的搜索吗？等。

另一种选择是使用Solr/Lucene进行索引和通过API访问索引，为搜索提供UI .