問題タブ [docx]

Word 2007 ファイル (.docx) でテキスト文字列を検索したいと思います。たとえば、Word 内の検索で見つかる可能性がある、または見つかる可能性がある「特別な語句」などです。

Python からテキストを表示する方法はありますか? 書式設定には興味がありません。ドキュメントを「特別なフレーズ」があるかどうかで分類したいだけです。

最近、.docxファイル（特別に構造化されたzipアーカイブ）の基本構造について学びました。ただし、docxはドキュメントのようにフォーマットされていません。

ドキュメントファイルはどのように機能しますか？ファイル形式、構造などは何ですか？

表、グラフ、目次、テキストを含むWord文書を生成する必要がある新しいアプリがあります。これに使用するのに適したAPIは何ですか？グラフ、目次、および表をサポートしていることをどの程度確信していますか？それらを使用する上での隠された落とし穴は何ですか？

いくつかの説明：

• PDFを出力できません。Word文書が必要です。
• OpenOfficeではなくMSWord2003（または2007）を使用しています
• アプリケーションは*nixapp-serverで実行されています

テンプレートドキュメントから始めて、いくつかのスペースに表やグラフなどを入力できれば便利です。

編集：以下のいくつかの良い答えは、私の現在の状況に関する限り、それぞれに独自の欠点があります。それらから「最終的な答え」を選ぶのは難しい。開いたままにして、より良いソリューションが作成されることを期待します。

編集：OpenOffice UNOプロジェクトは、私が求めていたものに最も近いようです。POIは確かにより主流ですが、私が望むものには未熟すぎます。

これを行わずに MS Word ドキュメント (.doc および .docx) をメモリ (変数) にロードするにはどうすればよいですか?:

wordApp.Documents.Open

私は MS Word を開きたくありません。そのテキストを中に入れたいだけです。

DOCX の回答をいただきましたが、DOC はどうでしょうか。無料で高性能なソリューションが必要です。Word の 12.000 インスタンスを開いてすべてを処理するのではありません。:( Aspose は商用製品であり、900 ドルは私の仕事には高すぎます。

C# をプログラムで使用して、箇条書きや画像などの特別なマークアップを含むいくつかの既存docxのファイルを 1 つの長いファイルに追加する必要があります。docxヘッダーとフッターの情報は削除されるため、問題が発生することはありません。

.NET Framework 3 を使用して個々のファイルを操作する方法については多くの情報を見つけることができますが、docxファイルをマージする方法については簡単でも明白でもありません。それを行うサードパーティ プログラム (Acronis.Words) もありますが、非常に高価です。

アップデート：

Word による自動化が提案されましたが、私のコードは IIS Web サーバー上の ASP.NET で実行される予定なので、Word に移行することはできません。最初にそれについて言及しなかったことをお詫びします。

Word 2007 ドキュメントをコードから入力する必要があります。これには、テーブル セクションの繰り返しが含まれます。現在、docx の document.xml 部分で XML 変換を使用していますが、セットアップに非常に時間がかかります (テンプレート ドキュメントを編集するたびに)。 、transform.xsl ファイルを再作成する必要がありますが、複雑なドキュメントの場合は 1 日かかる場合があります)。

プロセス中に Word 2007を実行する必要がない、より良い方法はありますか?

よろしくリチャード

Microsoft Word docx ドキュメントから chm ファイルにリンクし、その中の特定のトピックにリンクする方法はありますか? 次の行の何か：

"このプロパティの詳細については、[link ref="./SomeDirectory/somedocument.chm!Sometopic.Somesubtopic" text="MyClass.MyProperty"] を参照してください。

MS WordをインストールせずにOOXMLドキュメント（.docxファイル）を印刷する方法はありますか？

MS Wordインターフェイスを介してうまく機能しますが、MSWordがインストールされていないサーバーで使用する方法を見つける必要があります。私はAPIを調べてきましたが、明らかなものは何も見つからなかったので、方法がないと信じる傾向があります。これは本当ですか？

編集：デヴィンの答えは基本的に私が事実であると理解したものです。.NETFrameworkを使用していることを述べておかなければなりません。それで、印刷用のdocxファイルを処理できる.NETライブラリがあるのではないかと思いました。（名前空間内の）にジョブを追加すると、XPSドキュメントを処理できることがDefaultPrinterQueueわかります。だからおそらくこれが進むべき道です。LocalPrintServerSystem.Printing

テキスト ラン (OpenXML SDK 2.0 を使用する Docx) 内の特定のテキストを検索する方法と、それを見つけたら、「検索テキスト」を囲むコメントを挿入する方法を教えてください。「検索テキスト」は、既存のランの部分文字列にすることができます。サンプルのすべての例は、最初の段落の周りにコメントを挿入するか、そのような単純なものを挿入します...私が探しているものではありません。

ありがとう

C# を使用して、docx ドキュメントからタイトル、サブタイトル、段落を抽出するにはどうすればよいですか。

私はVSTOを介してこれを行うことを考えていますが、オブジェクトモデルという言葉を知っています。私は Excel オブジェクト モデルしか知りません。

unzip + linq to XML アプローチを採用する必要がありますか?

VSTO を使用して、docx との間で変換するアプリケーションを編集するために使用できるアドインを構築できました。

誰もこの種のことを以前に経験したことがありますか? どんなリードも大歓迎です。