将 Word 文档转换为 HTML 而不丢失原始文档

Question

我目前正在开发一个程序，需要将 Word 文档显示为 HTML，但要跟踪 HTML 和原始文件的位置。为此，在最初加载 Word 文档时，会为文档中的每个元素生成 ID。foreach (Table t in document.Tables){    t.ID = GUID();    Range range = t.Range;    foreach (Cell c in range.Cells)    {        c.ID = t.ID + TableIDSeparator + GUID();    }}foreach (Paragraph p in document.Paragraphs){    p.ID = GUID();}然后我可以通过这种方式将文档保存为 HTML：document.SaveAs2(tempFileName, WdSaveFormat.wdFormatFilteredHTML);但随后document对象变成了 HTML 文档，而不是原始的 Word 文档（就像使用 Word 菜单中的另存为时，当前窗口显示新保存的文档而不是原始文档一样）。所以我尝试以这种方式将文档保存为 HTML：Document temp = new Document();string x = document.Range().XML;temp.Range().InsertXML(x);temp.SaveAs2(fn, WdSaveFormat.wdFormatFilteredHTML);temp.Close(false);但是现在新temp文档缺少我在原始文档中创建的所有 ID，因此我无法根据原始文档找到 HTML 文件中的位置。我是否遗漏了一些重要的东西，或者有什么方法可以在不丢失对原始文件的引用的情况下另存为 word 文档？

Answer 1

由于文档结果相同，我使用以下方法将 ID 复制到新文档。

请注意段落/表格/等。数组从元素索引 1 开始，而不是 0。

        string fn = Path.GetTempPath() + TmpPrefix +GUID() + ".html";

        Document temp = new Document();

        // Copy whole old document to new document

        temp.Range().InsertXML(doc.Range().XML);

        // copy IDs assuming the documents are identical and have same amount of elements

        for (int i = 1; i <= temp.Tables.Count; i++) {

            temp.Tables[i].ID = doc.Tables[i].ID;

            Range sRange = doc.Tables[i].Range;

            Range tRange = temp.Tables[i].Range;

            for(int j = 1; j <= tRange.Cells.Count; j++)

            {

                tRange.Cells[j].ID = sRange.Cells[j].ID;

            }

        }

        for(int i=1; i <= temp.Paragraphs.Count; i++)

        {

            temp.Paragraphs[i].ID = doc.Paragraphs[i].ID;

        }

        // Save new temp document as HTML

        temp.SaveAs2(fn, WdSaveFormat.wdFormatFilteredHTML);

        temp.Close();

        return fn;

由于我不需要输出的 DOCX 文件中的 ID（我只使用 ID 来跟踪内存中加载的 DOCX 文件和我的应用程序中显示的 HTML 表示），这对我的情况非常有用。

Answer 2

尽管上面的这种方法在大型文档上非常慢，所以我不得不以不同的方式做：

    public static string RenderHTMLFile(Document doc)

    {

        string fn = Path.GetTempPath() + TmpPrefix +GUID() + ".html";

        var vba = doc.VBProject;

        var module = vba.VBComponents.Add(Microsoft.Vbe.Interop.vbext_ComponentType.vbext_ct_StdModule);

        var code = Properties.Resources.HTMLRenderer;

        module.CodeModule.AddFromString(code);

        var dataMacro = Word.Run("renderHTMLCopy", fn); 

        return fn;

    }

Properties.Resources.HTMLRenderer带有以下VB代码的txt文件在哪里：

Sub renderHTMLCopy(ByVal path As String)

'

' renderHTMLCopy Macro

'

'

Selection.WholeStory

Selection.Copy

Documents.Add

Selection.PasteAndFormat wdPasteDefault

ActiveDocument.SaveAs2 path, WdSaveFormat.wdFormatFilteredHTML

ActiveDocument.Close False

End Sub

之前的版本处理一个小文档大约需要 1500 毫秒，而这个版本在大约 400 毫秒内渲染同一个文档！