Extrait des mots d'un fichier doc/docx C#

Question

Je veux extraire tous les mots d'un fichier Word (doc/docx) et les mettre dans une liste. Il semble que microsoft.Office.Interop fonctionne juste si je veux extraire des paragraphes et les ajouter dans une liste.

List<string> data = new List<string>(); 

Microsoft.Office.Interop.Word.Application app = new 
    Microsoft.Office.Interop.Word.Application(); 

Document doc = app.Documents.Open(dlg.FileName); 

foreach (Paragraph objParagraph in doc.Paragraphs) 
    data.Add(objParagraph.Range.Text.Trim()); 

((_Document)doc).Close(); 
((_Application)app).Quit();` 

J'ai aussi trouvé le moyen d'extraire mot par mot, mais il n'a pas fait grand travaux avec le document en raison de la boucle qui génère une exception. Donc, ma question est, s'il y a un moyen d'extraire des mots d'un grand fichier de mots. Je pense que Microsoft.Office.Interop n'est pas le bon outil pour extraire d'un gros fichier. Désolé mon anglais n'est pas bon.

Answer 1

L'objet à l'intérieur d'un paragraphe est appelé Run, bien que je ne sache pas s'il est disponible ou non dans Interop. Pour améliorer votre expérience de performance, je vous suggère de passer à OpenXmlSdk, au cas où vous auriez à traiter une grande quantité de documents.

Si vous voulez vous en tenir à Interop, pourquoi ne divisez-vous pas chaque paragraphe en un tableau (délimiteur évidemment l'espace) et ajoutez tous les mots après cela?