asp.net - 计算上传的word文件中的单词

Question

有没有办法让我可以计算经典 asp 或 asp.net 中 word 文件（所有版本）中的单词？

我需要知道有多少单词，如果可能的话，制作一个单词长度数组以及每个单词有多少，这样 1、2、3 个字母的单词以后会较少受到代码的关注。

我正在考虑使用 FSO 或类似的东西，但这不适用于 docx

如果需要，我可以使用 aspupload 或任何其他对象上传文件。如果可以购买可以上传和计算字数的对象，我购买它没有问题

提前致谢

Answer 1

你有几个选择 -

1. 如果您可以在服务器上安装 Office，并且不需要这是一个快速的解决方案，您可以尝试 Word Interop。请参阅使用 Microsoft.Office.Interop.Word 的字数统计。一个类似的选择是安装 OpenOffice 并使用它，我自己从来没有这样做过。
2. 您可以使用 IFilter 接口 ( http://msdn.microsoft.com/en-us/library/ms691105(v=vs.85).aspx )。Microsoft 已经实现了获取 Word 文件并让您访问内部文本的逻辑，因此您所要做的就是计算单词。在这里查看第一个答案是否需要 IFilters 来使用 Lucene.NET 索引全文文档及其提供的链接或如何在 C# 中从 MS office 文档中提取文本。您还可以查看http://blogs.msdn.com/b/jasonz/archive/2009/08/31/sample-parsing-content-in-c-using-ifilter.aspx
3. 您可以使用 3rd 方工具，我知道那里有一些，但我对它们中的任何一个都不是很熟悉。例如参见http://www.aspose.com/.net/word-component.aspx
4. 如果您真的不需要支持所有 word 版本，那么有多种方法可以处理 Word 2007+ 文件 - 例如 - 官方openXML或开源docx

选项（2）似乎是我的方法。