识别docx中的第一个表，并使用c#打印其中包含表的目录中的文档

Question

我需要检查一个大小约为10 GB的目录中的所有文件(特别是"*.docx")，并过滤其中包含表的文档的名称。对于目录中的每个文件，我需要遍历文件的文档元素，以确定打开的文档是否有表。我需要在C#中完成这项工作。我来自测试领域，但他们给了我开发的任务。请帮帮忙

Answer 1

您可以使用DocumentFormat.OpenXml nuget包来访问docx文件，并找到每个文件中的表。

using DocumentFormat.OpenXml.Packaging;
using DocumentFormat.OpenXml.Wordprocessing;
using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;

namespace ConsoleApp2
{
    class Program
    {
        static void Main(string[] args)
        {
            var files = FindFilesWithTable("<path_to_directory>");

            foreach (var file in files)
            {
                Console.WriteLine(file);
            }
    }

    static List<string> FindFilesWithTable(string directory)
    {
        // filter all docx files
        var files = Directory.GetFiles(directory, "*.docx");
        var filesWithTable = new List<string>();
        foreach (var file in files)
        {
            try
            {
                // open file in read only mode
                using (WordprocessingDocument doc = WordprocessingDocument.Open(file, false))
                {
                    // find the first table in the document.  
                    var hasTable = doc.MainDocumentPart.Document.Body.Elements<Table>().Any();
                    if (hasTable)
                    {
                        filesWithTable.Add(file);
                    }
                }
            }
            catch(Exception ex)
            {
                Console.WriteLine("Cannot process {0}: {1}", file, ex.Message);
            }
        }
        return filesWithTable;
    }
}