c＃interopを使用してワードドキュメントから書式を取得する

Question

Word Interop adn C＃を使用して作業中のプログラムを作成していて、その中の機能の1つが語数を取得しています。

これは、私が職場で使用されているCATトールの単語数をエミュレートする必要があるため、これはワード数ではありません。

私が見つけた問題の1つは、CATツールがテキストフォーマットを使用して単語を分割することです。つまり、最初にstを上書きした単語がある場合、単語は1単語（2つの単語が分かれることはないため）をカウントし、CATツールはテキスト形式の変更ごとに2語をカウントします。

CATツールは形式の変更を追跡しており、その情報が単語を壊すことがあります。

単語ごと、文字ごとに移動し、可能性（フォント、太字、斜体など）をすべて確認することはできますが、それはそれぞれ1000語の複数の文書では動作が遅くなります。

もっと良い解決法を知っている人はいますか？ MSDNフォーラムから

Answer 1

まあシンディはこの1つ

http://social.msdn.microsoft.com/Forums/en-US/worddev/thread/16fc1fb9-4713-45e5-ae00-76bbaafe0a56

に私に答えを与えた後、私が見たいのアプローチはにコンテンツを抽出するためにDocument.Content.WordOpenXMLを使用することです文字列。コンテンツは、Office Open XMLの "フラットパッケージ"形式になります。つまり、すべてが含まれているはずです。

これで文字列を解析して必要な情報を得ることができます。

このような文字列を見ると、すべてのテキストが要素内にあることがわかります。書式設定がある場合、各書式変更のための1つの部分に分割されます。だから、すべてのw：t要素を抽出するだけでなく、あなたがしなければならないことは、文章中の "単語"を描く句読点やスペースをチェックすることです。