doc/docxファイルから単語を抽出するC＃

Question

Wordファイル（doc/docx）からすべての単語を抽出してリストに入れたいと思います。 Microsoft.Office.Interopは、段落を抽出してリストに追加したい場合にのみ機能します。

List<string> data = new List<string>(); 

Microsoft.Office.Interop.Word.Application app = new 
    Microsoft.Office.Interop.Word.Application(); 

Document doc = app.Documents.Open(dlg.FileName); 

foreach (Paragraph objParagraph in doc.Paragraphs) 
    data.Add(objParagraph.Range.Text.Trim()); 

((_Document)doc).Close(); 
((_Application)app).Quit();` 

私は単語ごとに単語を抽出する方法も見つけましたが、例外を生成するループのため大きな文書では機能しませんでした。

`Dictionary<int, string> motRap = new Dictionary<int, string>(); 
     Microsoft.Office.Interop.Word.Application application = new Microsoft.Office.Interop.Word.Application(); 
     Document document = application.Documents.Open("C:/Users/Titri/Desktop/test/test/bin/Debug/po.txt"); 

    // Loop through all words in the document. 
    int count = document.Words.Count; 
    for (int i = 1; i <= count; i++) 
    { 
     string text = document.Words[i].Text; 
     motRap.Add(i, text); 

    } 
    // Close word. 
    application.Quit();` 

大きな単語ファイルから単語を抽出する方法がある場合は、私の質問です。私は、Microsoft.Office.Interopは大きなファイルから抽出するための良いツールではないと思います。 申し訳ありません私の英語は良くありません。

Answer 1

段落内のオブジェクトはRunと呼ばれますが、Interopで使用できるかどうかはわかりませんがパフォーマンスを向上させるために、大量のドキュメントを処理する必要がある場合に備えて、OpenXmlSdkに切り替えることをお勧めします。

Interopに固執したいのであれば、各段落を配列（区切り文字は明らかにスペース）に分割し、その後にすべての単語を追加するだけです。