【发布时间】：2011-09-04 12:35:03
【问题描述】：
我必须从 MS Word 文件中提取所有单词，然后将它们存储在表中以供进一步搜索。有没有办法逐字读取 MS Word 文件。我知道我可以复制所有文本并将其放入变量中，然后在空格或制表符上开始读取它，但有更好的方法吗？
【问题讨论】：
【发布时间】：2011-09-04 12:35:03
【问题描述】：
这是以前的 SO 帖子，您可以在其中了解如何使用 C# 将 word 中的所有文本放入变量中：
How can I grab each page of text in a Word doc separately (using .NET)?
然后，使用string.Split(" ") 将文本拆分为单词数组。
编辑：这里
http://www.dotnetperls.com/string-split
您可以找到一些使用正则表达式将文本拆分为单词的示例。这个
Regex.Split(s, @"\W+")
可能适合您的需求。
【讨论】：
-
我试过了，但是有些词是结合在一起的，例如在一个文件中我发现“TECH\r\nClient:”即使它是返回和一个新行但我不知道我还能面对什么？那么msword中没有逐字提取吗？
-
首先您需要定义“单词”的含义。 “不要”是一个词吗？怎么样“tutti-fruity”？ “802.11”？或者它们是两个词？在编写代码之前，您需要知道自己想要什么。