通常，在文件處理應用程式、資料擷取或文字分析中，主要的任務是從Word文件中擷取文字。 在開發C#應用程式時，開發者可以使用IronWord等程式庫，這有助於處理.docx格式的文件並存取文件實例內的文字。 使用這些程式庫有助於自動化從Word文件中取回內容，以便生成報告製作、資料挖掘或甚至是文件管理系統。

使用像IronWord這樣的程式庫，人們可以從任何Word文件實例中擷取文字； 只需要載入文件物件，打開段落或部分，然後檢索所需的文字，同時保持其原始佈局。 這種功能在法律、醫療保健和金融領域將顯得特別有用，因為文件處理通常是工作流程的組成部分。 C#無疑用於開發從Word文件中擷取文字的高擴充性和高效的應用程式。 開發人員可以將它與更龐大的系統或應用程式結合使用。

How to Extract Text from Word in C#

1. 在您的C#專案中通過NuGet安裝IronWord程式庫。
2. 在您的C#文件頂部加入using IronWord;以從Word中擷取文字。
3. 設定您的授權金鑰。
4. 載入現有的Word文件。
5. 使用Paragraphs屬性存取段落。
6. 使用foreach迴圈遍歷段落和文字元素。
7. 使用Console擷取並顯示文字。

什麼是IronWord？

IronWord是一個強大的工具，可用於檢索文字，確保各類文件，如PDF、Word和TXT文件，能夠輕鬆提取。 它以精確度和速度設計，快速將所需的文字，無論是結構化還是非結構化的，在保留文件其餘部分原始格式的情況下提取。 IronWord還被用於提供文件分析、資料提取和內容的自動索引。

此工具支持幾乎可用的所有文件型別，以確保與應用程式的順暢整合，因此非常適合業務自動化和高容量文件處理。 這種設計的程式庫的擴充性使其能夠輕鬆處理大量文件，這對與大量資料擷取相關的企業而言，是個非常重要的資產。

IronWord還完全相容C#及其他程式語言，滿足開發者和組織希望平滑化他們的文件工作流程的需求。

IronWord的功能

支持多種文件格式

IronWord支持多種文件格式，包括：

• **PDF：**它能夠解釋包含正常文字的PDF、內嵌字型的PDF以及基於向量的PDF。
• **Microsoft Word文件 (DOCX)：**它可以輕鬆地從Word文件中讀取文字，同時保持文件結構和格式完整。
• **文字文件 (TXT)：**此外，IronWord還可以處理純文字文件，從中提取和處理文字。

準確的文字擷取

IronWord擷取引擎善於提取文字內容，即便它被埋藏在具有複雜頁面佈局、嵌入字型或混合內容（如圖片和表格）的複雜文件中。 該程式庫保留：

• **文字格式：**例如粗體、斜體、下劃線和應用於文字的其他風格方面。
• **文件層次結構：**標題、段落和清單，以保持組織性和可讀性。

處理結構化和非結構化資料

IronWord能夠處理結構化和非結構化資料。 它可以提取：

• **結構化資料：**具有可預測格式模式的文件，例如表單和合同。
• **非結構化資料：**具有不可預測文字佈局的文件，如報告或文章。

由於能夠處理各類內容，它在涉及資料挖掘、資訊檢索和分類的任務中證明了其有用性。

適用於大容量的擴展性

IronWord旨在高效處理大量文件，為企業應用提供了極大擴充性。 例子包括：

• **文件批量處理：**同時處理許多文件。
• **處理大文件：**在文件尺寸大的情況下不會影響性能。

與程式語言的無縫整合

IronWord可以無縫整合到開發環境中，特別是Python，藉由易用的API。這使開發者能夠：

• **將IronWord導入Python應用程式：**在Python腳本中直接使用IronWord功能。
• **跨語言互操作性：**除了Python，IronWord也能有效地用於其他語言，促進技術堆疊的互操作性。

這種易於整合性允許開發者專注於功能，而不是基礎架構。

高性能和速度

IronWord已經過性能優化，即便是從大型文件中提取文字，也能快速做到，這對於需要快速執行的實時應用程式至關重要。 該程式庫提供：

• **多執行緒支持：**提升並行提取過程。
• **小記憶體佔用：**在處理過程中優化系統資源使用，實現對大型資料集的擴充性。

可選的OCR支持

對於包含圖片的文件，IronWord可以與OCR技術一起使用以：

• **處理掃描文件：**從圖片、掃描PDF或其他基於圖片的格式中擷取文字。
• **多語言支持：**識別並擷取受支持的OCR語言中的文字。

元資料保護

除了文字擷取外，IronWord還保留來自文件的元資料，例如：

• **文件版本和合規資訊：**對於合規或檔案保存用途非常有用。
• **文件管理系統：**元資料與內容同樣重要的地方。

在Visual Studio中建立新專案

要啟動Visual Studio應用程式，從文件選單中選擇文件並點選"新專案"，然後選擇"控制台應用"。

選擇其位置後，在文字框中輸入.NET專案名稱，然後點擊建立按鈕並選擇所需的.NET Framework。

Visual Studio專案結構會根據所選的應用程式型別有所不同。 要實作或運行應用程式程式碼，請存取Program.cs文件，適用於控制台、Windows或線上應用程式。

然後一旦輸入程式碼即可測試該程式庫。

安裝IronWord程式庫

從Visual Studio工具選單中，選擇NuGet套件管理器。 要進入包管理控制台，請跳至包管理介面。

Install-Package IronWord

一旦下載並安裝好，該套件即可在正在進行的專案中用於文字擷取。

包管理器方法提供了另一個選項，允許通過Visual Studio的NuGet套件管理器直接安裝到解決方案中。 下方圖示顯示了如何存取包管理器。

使用NuGet網站的搜尋欄位找到套件。 按照下圖所示用包管理器搜尋"IronWord"。

附加圖形顯示了相關的搜索結果。 請進行這些調整，以便在您的電腦上安裝該軟體。

從Word文件中提取文字

若要使用IronWord從文件中提取文字，請遵循以下步驟。 以下範例程式碼展示了使用IronWord程式庫在C#中從Word文件（.docx）中擷取文字的過程。

// Include necessary libraries
using IronWord;

// Set the license key for IronWord
IronWord.License.LicenseKey = "License key here";

// Load the Word document
var docx1 = new WordDocument("D:\\C# Projects\\ConsoleApp\\ConsoleApp\\File\\existing.docx");

// Access the collection of paragraphs in the document
var paragraphObj = docx1.Paragraphs;

// Loop through each paragraph and its text elements
for (int i = 0; i < paragraphObj.Count; i++)
{
    for (int j = 0; j < paragraphObj[i].Texts.Count; j++)
    {
        // Print each text element to the console
        Console.WriteLine(paragraphObj[i].Texts[j].Text.ToString());
    }
}

// Wait for user input before closing the console
Console.ReadKey();

// Include necessary libraries
using IronWord;

// Set the license key for IronWord
IronWord.License.LicenseKey = "License key here";

// Load the Word document
var docx1 = new WordDocument("D:\\C# Projects\\ConsoleApp\\ConsoleApp\\File\\existing.docx");

// Access the collection of paragraphs in the document
var paragraphObj = docx1.Paragraphs;

// Loop through each paragraph and its text elements
for (int i = 0; i < paragraphObj.Count; i++)
{
    for (int j = 0; j < paragraphObj[i].Texts.Count; j++)
    {
        // Print each text element to the console
        Console.WriteLine(paragraphObj[i].Texts[j].Text.ToString());
    }
}

// Wait for user input before closing the console
Console.ReadKey();

' Include necessary libraries
Imports IronWord

' Set the license key for IronWord
IronWord.License.LicenseKey = "License key here"

' Load the Word document
Dim docx1 = New WordDocument("D:\C# Projects\ConsoleApp\ConsoleApp\File\existing.docx")

' Access the collection of paragraphs in the document
Dim paragraphObj = docx1.Paragraphs

' Loop through each paragraph and its text elements
For i As Integer = 0 To paragraphObj.Count - 1
	Dim j As Integer = 0
	Do While j < paragraphObj(i).Texts.Count
		' Print each text element to the console
		Console.WriteLine(paragraphObj(i).Texts(j).Text.ToString())
		j += 1
	Loop
Next i

' Wait for user input before closing the console
Console.ReadKey()

' Include necessary libraries
Imports IronWord

' Set the license key for IronWord
IronWord.License.LicenseKey = "License key here"

' Load the Word document
Dim docx1 = New WordDocument("D:\C# Projects\ConsoleApp\ConsoleApp\File\existing.docx")

' Access the collection of paragraphs in the document
Dim paragraphObj = docx1.Paragraphs

' Loop through each paragraph and its text elements
For i As Integer = 0 To paragraphObj.Count - 1
	Dim j As Integer = 0
	Do While j < paragraphObj(i).Texts.Count
		' Print each text element to the console
		Console.WriteLine(paragraphObj(i).Texts(j).Text.ToString())
		j += 1
	Loop
Next i

' Wait for user input before closing the console
Console.ReadKey()

程式碼初始化IronWord的授權金鑰並從指定路徑載入.docx文件，建立一個WordDocument物件。 在文件載入後，通過Paragraphs屬性存取所有段落。

使用巢狀迴圈遍歷段落和它們的文字元素。 外層迴圈遍歷每個段落，而內層迴圈處理每個段落的文字元素。 文字元素在轉換為字串後列印到控制台。

Console.ReadKey()暫停程式執行，允許輸出顯示直到使用者輸入後關閉應用程式窗口。 此方法有序地提取並列印Word文件的內容。

結論

IronWord是一個多功能且高效的工具，用於跨各種文件格式進行文字提取，特別適合於Word文件。 其使用者友好的API和結構化文字提取功能使其成為開發者尋求自動化文件內容檢索的可靠解決方案。 該工具在處理複雜文件時保持格式，對於法律、企業級內容管理及其他應用場景非常有價值。 實現IronWord能夠增強文件分析、資料提取和處理任務，從而在處理大量文字時提高生產力和準確性。

IronWord的起始價為599美元。使用者可選擇一次性年度訂閱費，以獲得技術支援和軟體更新存取權限。 IronWord產生的費用排除了免費分發的可能性。 請參閱IronWord的授權頁面以獲取具體價格詳情。 在產品頁面了解其他Iron Software產品。