我试图从Word文档中提取出OpenXML中注释所引用的文本。我可以很容易地得到一个注释的文本,但不能得到该注释所引用的文档中的段落文本。
我附上的图片显示了一个注释和相关文本。我在寻找如何获取引用文本的例子时遇到了很多麻烦。我怎样才能得到这段文字?
解决方法是获取评论的Id,正如你所说你已经知道如何检索,然后搜索文档中具有相同Id的CommentRangeStart元素。当你找到它后,你可以循环使用.NextSibling(),直到找到一个CommentRangeEnd元素。
在CommentRangeStart和CommentRangeEnd之间的元素是引用的部分,显然可以是多个运行,段落,图片,什么的。所以你必须在之后以某种方式处理收集到的元素。
我做了这个代码来测试它。
using (var wordDoc = WordprocessingDocument.Open(@"c:\test\test.docx", true))
{
MainDocumentPart mainPart = wordDoc.MainDocumentPart;
var document = mainPart.Document;
var comments = mainPart.WordprocessingCommentsPart.Comments.ChildElements;
foreach(Comment comment in comments)
{
string commentId = comment.Id;
string commentText = comment.InnerText;
OpenXmlElement rangeStart = document.Descendants<CommentRangeStart>().Where(c => c.Id == commentId).FirstOrDefault();
List<OpenXmlElement> referenced = new List<OpenXmlElement>();
rangeStart = rangeStart.NextSibling();
while(!(rangeStart is CommentRangeEnd))
{
referenced.Add(rangeStart);
rangeStart = rangeStart.NextSibling();
}
Console.WriteLine("Comment Id " + commentId + " with text \"" + " " + commentText + "\" references =>");
foreach (var ele in referenced)
{
if(!string.IsNullOrWhiteSpace(ele.InnerText))
{
Console.WriteLine(" " + ele.InnerText);
}
}
}
Console.ReadKey();
}
希望能帮到你
我不能让你的解决方案工作。不过我找到了一个变通的方法。
OpenXmlElement rangeStart = document.Descendants<CommentRangeStart>().Where(c => c.Id == commentId).FirstOrDefault();
bool breakLoop = false;
rangeStart = rangeStart.Parent;
while (true) // Looping through items between commentRangeStart and commentRangeEnd.
{
if (rangeStart.NextSibling() == null)
{
break;
}
foreach (var ele in rangeStart.ChildElements)
{
if (!(ele is CommentRangeEnd))
{
if (!(string.IsNullOrWhiteSpace(ele.InnerText)))
{
referenced.Add(ele);
}
}
else
{
breakLoop = true;
}
if (breakLoop)
break;
}
rangeStart = rangeStart.NextSibling();
}
因此,我没有在CommenRageStart存在的段落中循环,因为一个评论可能由几个段落组成,我使用父节点来追踪段落之间的来回。最后,当我到达CommentRangeEnd时,我可以打破循环,并根据需要处理数据。