c# - 必须从word文件中提取数据

Question

我有一个特殊的问题，我必须从 word 文件中提取信息。比如说我有一份简历，需要提取name, email address, phone no., address,university等Experience。

每个其他人的简历可能都采用不同的格式。那么有什么方法可以通过编程方式提取我需要的信息吗？

我需要这些信息来填写注册表格。

score 1 · Accepted Answer

使用 aspose .net 将 word 文档转换为 html。
然后，您可以使用正则表达式来搜索 word 和/或 pdf 文档。
或者您可以使用 HTMLAgilityPack 解析创建的 HTML 文档，并搜索特定的部分/路径。

PS：
如果您有一个小于一页的电子邮件正则表达式，则该正则表达式不正确。
只要您只需要支持一个国家/地区，电话就应该易于管理。
至于姓名和地址，祝你好运。

编辑：
像这样

VB.NET：

Dim doc As New Aspose.Words.Document("filename.docORdocx")
doc.Save("filename.html", Aspose.Words.SaveFormat.Html)

C＃：

Aspose.Words.Document doc = new Aspose.Words.Document("filename.docORdocx");
doc.Save("filename.html", Aspose.Words.SaveFormat.Html);

要了解有效的电子邮件地址是什么，请阅读 RFC 822： http:
//www.faqs.org/rfcs/rfc822.html

score 1 · Accepted Answer

即使一开始您可能会被使用 Com Interop 和 Asp.net 的想法所吸引，也不要这样做。

也就是说，重要的是要知道我们在谈论哪个版本的单词。较新的格式允许将它们视为包含 xml 文件的 zip，并且有很好的免费库。

2 回答 2