C#使用Spire.Doc for .NET高效实现Word文档的文本、表格和图片数据提取

using Spire.Doc;
using System;

public class WordTextExtractor
{
    public static void ExtractAllText(string filePath)
    {
        // 1. 创建 Document 对象并加载Word文档
        Document document = new Document();
        document.LoadFromFile(filePath);

        // 2. 提取文档中的所有文本内容
        string allText = document.GetText();

        // 3. 打印或处理提取到的文本
        Console.WriteLine("--- 提取到的文本内容 ---");
        Console.WriteLine(allText);

        // 4. 释放资源
        document.Dispose();
    }
}

using Spire.Doc;
using Spire.Doc.Documents;
using Spire.Doc.Fields;
using System;
using System.Data; // 可以用于存储表格数据

public class WordTableExtractor
{
    public static void ExtractTables(string filePath)
    {
        Document document = new Document();
        document.LoadFromFile(filePath);

        Console.WriteLine("\n--- 提取到的表格内容 ---");
        int tableIndex = 0;

        // 遍历文档中的所有节 (Section)
        foreach (Section section in document.Sections)
        {
            // 遍历节中的所有文档对象 (DocumentObject)
            foreach (DocumentObject obj in section.Body.ChildObjects)
            {
                // 判断对象是否为表格 (Table)
                if (obj.DocumentObjectType == DocumentObjectType.Table)
                {
                    Table table = obj as Table;
                    tableIndex++;
                    Console.WriteLine($"\n--- 表格 {tableIndex} ---");

                    // 建议：将提取的表格数据存储到DataTable或自定义实体类中
                    DataTable dataTable = new DataTable($"Table_{tableIndex}");

                    // 遍历表格的每一行 (TableRow)
                    foreach (TableRow row in table.Rows)
                    {
                        DataRow newRow = dataTable.NewRow();
                        // 遍历行的每一个单元格 (TableCell)
                        foreach (TableCell cell in row.Cells)
                        {
                            // 遍历单元格中的每一个段落 (Paragraph)
                            foreach (Paragraph paragraph in cell.Paragraphs)
                            {
                                // 获取单元格文本
                                string cellText = paragraph.Text.Trim();
                                Console.Write($"{cellText}\t"); // 打印单元格内容，用制表符分隔
                                
                                // 可以在这里将cellText添加到DataTable的相应列
                                // 实际应用中需要根据表头动态创建DataTable的列
                            }
                        }
                        Console.WriteLine(); // 换行
                        // dataTable.Rows.Add(newRow); // 添加行到DataTable
                    }
                }
            }
        }
        document.Dispose();
    }
}

using Spire.Doc;
using Spire.Doc.Documents;
using Spire.Doc.Fields;
using System;
using System.IO;

public class WordImageExtractor
{
    public static void ExtractImages(string filePath, string outputPath)
    {
        Document document = new Document();
        document.LoadFromFile(filePath);

        if (!Directory.Exists(outputPath))
        {
            Directory.CreateDirectory(outputPath);
        }

        Console.WriteLine($"\n--- 提取到的图片将保存到: {outputPath} ---");
        int imageIndex = 0;

        // 遍历文档中的所有节
        foreach (Section section in document.Sections)
        {
            // 遍历节中的所有段落
            foreach (Paragraph paragraph in section.Paragraphs)
            {
                // 遍历段落中的所有子对象
                foreach (DocumentObject obj in paragraph.ChildObjects)
                {
                    // 判断对象是否为图片 (Picture)
                    if (obj.DocumentObjectType == DocumentObjectType.Picture)
                    {
                        Picture picture = obj as Picture;
                        imageIndex++;
                        string imageFileName = Path.Combine(outputPath, $"Image_{imageIndex}.png"); // 默认保存为PNG

                        // 保存图片到指定路径
                        picture.Image.Save(imageFileName, System.Drawing.Imaging.ImageFormat.Png);
                        Console.WriteLine($"已保存图片: {imageFileName}");
                    }
                }
            }
        }
        document.Dispose();
    }
}