利用C#实现Word信息自动化提取功能_Asp.net

引言

在现代企业和个人工作中，word文档作为信息承载和交流的核心载体，其重要性不言而喻。然而，除了文档内容本身，其背后蕴含的元数据——即文档属性，同样具有不可忽视的价值。这些属性包含了文档的创建者、修改日期、标题、主题，乃至用户自定义的关键信息，对于文档的自动化处理、分类检索、数据分析和内容管理具有举足轻重的作用。

设想一下，您正在开发一个文档管理系统，或者一个需要从大量word报告中自动提取特定信息的工具。如果能程序化地访问这些文档属性，无疑将大大提升效率和准确性。本文旨在深入探讨如何利用c#语言，结合强大的第三方库，高效、专业地读取word文档的内置属性和自定义属性，为您的.net开发项目提供一份全面的技术指南。

理解word文档属性的种类与意义

word文档属性，本质上是嵌入在文档文件中的元数据，它们提供了关于文档的结构化信息，而非文档的主体内容。这些信息对于理解文档的上下文、历史和用途至关重要。

word文档属性主要分为两大类：

内置属性 (built-in document properties)： 这类属性由microsoft word应用程序自动管理和维护。它们涵盖了文档的通用元数据，如：

标题 (title)：文档的简要主题。
作者 (author)：文档的创建者。
创建日期 (creationdate)：文档首次创建的时间。
最后修改者 (lastmodifiedby)：最后一次修改文档的用户。
修改日期 (lastmodificationdate)：文档最后一次保存的时间。
字数 (wordcount)：文档中包含的字数。
页数 (pagecount)：文档的总页数。
主题 (subject)，类别 (category)，关键词 (keywords)，备注 (comments) 等。这些属性在文档管理系统中常用于快速检索、分类和生成报告。

自定义属性 (custom document properties)： 顾名思义，这类属性是用户或应用程序根据特定需求而添加的键值对。例如，您可以为所有项目文档添加一个“项目编号”属性，或者为合同文档添加一个“合同生效日期”属性。自定义属性极大地扩展了文档元数据的灵活性和应用范围，允许开发者存储与业务逻辑紧密关联的额外信息。

无论是内置属性还是自定义属性，它们都是实现文档自动化、信息提取和数据管理的关键，能够帮助程序更好地理解和处理文档内容。

引入高效工具：使用spire.doc for .net

要在c#项目中便捷高效地操作word文档，包括读取其属性，选择一个功能强大且易于使用的文档处理库至关重要。在众多选项中，spire.doc for .net 是一个值得推荐的选择。它提供了丰富的api，能够处理word文档的各种操作，包括创建、编辑、转换以及我们今天要讨论的属性读写，且其设计理念注重易用性和性能。

要在您的c#项目中开始使用 spire.doc for .net，您可以通过nuget包管理器进行安装。打开您的项目，然后在nuget包管理器控制台中执行以下命令：

install-package spire.doc

这将自动下载并安装 spire.doc for .net 及其所有依赖项，使您能够在代码中引用其命名空间并开始文档操作。

c#读取内置word文档属性的实践

加载一个word文档并读取其内置属性是 spire.doc for .net 的基本功能之一。以下代码示例展示了如何实现这一过程，并列举了几个常用的内置属性。

using spire.doc;
using system;
using system.text; // for stringbuilder

public class worddocumentpropertyreader
{
    public static void readbuiltinproperties(string filepath)
    {
        // 创建一个stringbuilder来存储结果，方便输出
        stringbuilder content = new stringbuilder();

        try
        {
            // 加载word文档
            document document = new document();
            document.loadfromfile(filepath);

            content.appendline("--- 内置文档属性 ---");

            // 访问内置文档属性集合
            builtindocumentproperties properties = document.builtindocumentproperties;

            // 读取并显示常用的内置属性
            content.appendline($"标题: {properties.title}");
            content.appendline($"主题: {properties.subject}");
            content.appendline($"作者: {properties.author}");
            content.appendline($"创建日期: {properties.creationdate}");
            content.appendline($"最后修改者: {properties.lastmodifiedby}");
            content.appendline($"最后修改日期: {properties.lastmodificationdate}");
            content.appendline($"字数: {properties.wordcount}");
            content.appendline($"页数: {properties.pagecount}");
            content.appendline($"类别: {properties.category}");
            content.appendline($"关键词: {properties.keywords}");
            content.appendline($"备注: {properties.comments}");
            content.appendline($"公司: {properties.company}");
            content.appendline($"管理员: {properties.manager}");

            console.writeline(content.tostring());
        }
        catch (exception ex)
        {
            console.writeline($"读取内置属性时发生错误: {ex.message}");
        }
    }

    // 示例用法
    public static void main(string[] args)
    {
        string docpath = "yourdocument.docx"; // 替换为您的word文档路径
        // 确保 'yourdocument.docx' 存在并有相关属性
        readbuiltinproperties(docpath);
    }
}

代码说明：

我们首先创建 document 类的实例，并通过 loadfromfile() 方法加载目标word文档。
document.builtindocumentproperties 提供了对所有内置属性的访问。
通过直接访问属性名称（如 properties.title），我们就能获取对应的属性值。这些属性值通常是字符串、日期或整数类型。
在实际应用中，您可以根据需要提取特定属性，并将其用于日志记录、数据存储或作为其他业务逻辑的输入。

c#读取自定义word文档属性的实践

自定义属性为文档添加了无限的扩展性。读取自定义属性与读取内置属性类似，但需要遍历属性集合或通过名称精确查找。

using spire.doc;
using system;
using system.text; // for stringbuilder

public class worddocumentpropertyreader
{
    public static void readcustomproperties(string filepath)
    {
        // 创建一个stringbuilder来存储结果
        stringbuilder content = new stringbuilder();

        try
        {
            // 加载word文档
            document document = new document();
            document.loadfromfile(filepath);

            content.appendline("\n--- 自定义文档属性 ---");

            // 检查是否存在自定义属性
            if (document.customdocumentproperties.count == 0)
            {
                content.appendline("此文档不包含自定义属性。");
            }
            else
            {
                // 遍历所有自定义属性
                for (int i = 0; i < document.customdocumentproperties.count; i++)
                {
                    customdocumentproperty customproperty = document.customdocumentproperties[i];
                    content.appendline($"名称: {customproperty.name}, 值: {customproperty.value}, 类型: {customproperty.type}");
                }

                // 也可以通过名称直接访问特定自定义属性
                // 假设文档中有一个名为 "项目编号" 的自定义属性
                customdocumentproperty projectnumberproperty = document.customdocumentproperties["项目编号"];
                if (projectnumberproperty != null)
                {
                    content.appendline($"\n通过名称访问 '项目编号': {projectnumberproperty.value}");
                }
                else
                {
                    content.appendline("\n未找到名为 '项目编号' 的自定义属性。");
                }
            }

            console.writeline(content.tostring());
        }
        catch (exception ex)
        {
            console.writeline($"读取自定义属性时发生错误: {ex.message}");
        }
    }

    // 示例用法
    public static void main(string[] args)
    {
        string docpath = "yourdocumentwithcustomproperties.docx"; // 替换为您的word文档路径
        // 确保 'yourdocumentwithcustomproperties.docx' 存在并包含自定义属性
        // 您可以在word中通过 '文件 -> 信息 -> 属性 -> 高级属性 -> 自定义' 添加自定义属性
        readcustomproperties(docpath);
    }
}

代码说明：

document.customdocumentproperties 属性返回一个 customdocumentpropertycollection 集合，其中包含了文档中所有的自定义属性。
我们可以通过 count 属性检查是否存在自定义属性。
通过 for 循环遍历集合，可以访问每个 customdocumentproperty 对象，进而获取其 name、value 和 type。
如果知道自定义属性的名称，也可以直接通过索引器 document.customdocumentproperties["属性名称"] 来获取特定的自定义属性。为了代码的健壮性，建议在使用前检查返回的 customdocumentproperty 对象是否为 null。
自定义属性的值可以是多种类型（字符串、日期、数字、布尔值），customproperty.type 属性可以帮助您进行正确的类型转换。