VSTO中Word的查找方式

前言

使用C#在VSTO开发Word插件的过程,经常需要对文档中的内容进行查找和替换。在Word中进行文本的查找替换,和一般对纯文本的查找替换却不太一样。因为Word文档是一个富文本对象,对文本的查找实际上是对一个对象的查找,而这个或者这种对象对于开发者是未知不可见的,因此和纯文本搜索比较,不仅存在许多不一样的地方,也存在一定的难度。本文主要对这些差异进行了讨论和分析。

正则全文搜索

通常情况下,对一个文本进行查找,我们会使用正则表达式,找到匹配模式的位置,如下所示。

	var pattern = "[0-9]+?";
var content = "第1个";
var mc = System.Text.RegularExpressions.Regex.Matches(content, pattern); if (mc.Count > 0)
{
foreach (System.Text.RegularExpressions.Match m in mc)
{
//获取匹配字符串在输入中的索引位置
int searchIndex = m.Index;
}
}

而在Word文档中,我们可以通过range.Text属性获取到文档的字符串表示,利用相同的正则表达式来进行查找。

	var pattern = "[0-9]+?";
//获取文档的全部字符
var content = doc.Range().Text;
var mc = System.Text.RegularExpressions.Regex.Matches(content, pattern); if (mc.Count > 0)
{
foreach (System.Text.RegularExpressions.Match m in mc)
{
//获取匹配字符串在输入中的索引位置
int searchIndex = m.Index;
}
}

如果这个文档都是由纯文本组成的,那么得到的位置,就是查找字符在全文中的真实位置。

然而实际上大多数情况下,文档还可能有图片、表格、公式和图表等格式组成,不仅仅是文本组成。

range位置的替换

Word在将文档转换成Text的过程中,如果格式是文本,那么一个字符A就将转换成一个字符A(复制);如果格式是富文本对象,比如图片,那个一个图片将会转换成一个空字符串“ ”,仅表示位置。

然而,在Word文档中,纯字符串类型的range的长度就是字符串的长度;非字符串对象的range的长度不确定。所以,经过Text的转换后,range的位置信息缺少了。查找到字符串在Text的位置,并不能找到该字符串在全文的range位置,也就无法对查找的字符串进行操作了。

//*表示任意字符,range长度为1
//A表示一个图片,range长度为4
//B表示一个公式,range长度为6 //Word文档中全文的range位置
****A**B**
(1)(2)(3)(4)(8)(9)(10)(17)(18)(19) //Text的位置, 如图
**** ** **
(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)

既然字符串的range位置丢失了,索性事先把所有对象的位置先存储起来。

/// <summary>
/// 从range中获取每一个字符的实际位置
/// </summary>
/// <param name="range">选中部分</param>
/// <returns>位置列表</returns>
public List<int> GetRangeLocation(Word.Range range)
{
var ret = new List<int> { }; foreach (Word.Range c in range.Characters)
{
ret.Add(c.Start);
} return ret;
}

利用位置信息,终于可以得到一个可以正确查找文本的方法了。

/// <summary>
/// 根据模式,找到所有匹配的位置
/// </summary>
/// <param name="range">选中部分</param>
/// <param name="pattern">模式</param>
/// <returns>匹配列表</returns>
public List<Word.Range> SearchRangeInPattern(Word.Range range, string pattern)
{
var ret = new List<Word.Range> { }; var content = range.Text;
var doc = range.Document; //获取实际的字符位置
var locationList = GetRangeLocation(range); var mc = System.Text.RegularExpressions.Regex.Matches(content, pattern); if (mc.Count > 0)
{
foreach (System.Text.RegularExpressions.Match m in mc)
{
var searchStart = m.Index;
var searchEnd = m.Index + m.Value.Length; //将text位置转换为range位置
var realStart = locationList[searchStart];
var realEnd = locationList[searchEnd]; //获取匹配的range位置
var itemRange = doc.Range(realStart, realEnd); ret.Add(itemRange);
}
} return ret; }

实际运用

在实际运用的过程中,基本不能采用这种全文的正则查找方式,除非要搜索的文本内容长度很小。因为经过测试,获取字符的实际range位置,具有非常大的时间开销。原因在于获取每一个字符都是一次COM调用,调用时间数量级在10毫秒左右。多次的COM调用,使得总调用时间非常大。

find和replace的API查找

在Word的API存在定义好的查找函数,可以使用Word定义的规则(类似于正则表达式)的方式,进行通配符查找。

/// <summary>
/// 替换选中部分的文字
/// </summary>
/// <param name="range">选中部分</param>
/// <param name="search">待替换文字</param>
/// <param name="replace">替换文字</param>
public static void SearchReplace(Word.Range range, string search, string replace)
{
range.Find.ClearFormatting();
range.Find.Text = search; //使用通配符搜索
range.Find.MatchWildcards = true; range.Find.Replacement.ClearFormatting();
range.Find.Replacement.Text = replace; object replaceAll = Word.WdReplace.wdReplaceAll;
object missing = Type.Missing; range.Find.Execute(ref missing, ref missing, ref missing, ref missing, ref missing,
ref missing, ref missing, ref missing, ref missing, ref missing,
ref replaceAll, ref missing, ref missing, ref missing, ref missing);
}

使用这种方法,查找速度快,执行时间短。

但是缺点也很明显,匹配经常不准确,比如空格和换行符,由于图片的悬浮位置影响,无法匹配。

此外基于通配符的匹配,毕竟不是正则表达式,不支持零字符位匹配和or匹配,所以用处有限,许多功能无法实现。

\\捕获0-无限个数字,
[0-9]* //正则表达式,若干个数字,包括0个
[0-9]{1,} //Word,若干个数字,必须1个以上 \\捕获数字或者字母
[0-9]|[a-z] //正则表达式,一个数字或一个字母
[0-9] then [a-z] //word,只能分成两次来匹配,不支持or的匹配

总结对比

方式 查找速度 匹配准确度 匹配模式
正则全文搜索 非常慢, 多次COM调用 正则表达式,类型多,只支持文本
Find查找 快,一次COM调用 通配符,类型少,支持多种对象查找

VSTO中Word的查找方式的更多相关文章

  1. VSTO中Word的Range复制方式

    VSTO中Word的Range复制方式 前言 VSTO是一套用于创建自定义Office应用程序的Visual Studio工具包,通过Interop提供的增强Office对象,可以对Word文档进行编 ...

  2. VSTO中Word转换Range为Image的方法

    VSTO中Word转换Range为Image的方法 前言 VSTO是一套用于创建自定义Office应用程序的Visual Studio工具包,通过Interop提供的增强Office对象,可以对Wor ...

  3. <转>Python中的新式/经典类的查找方式

    在学习到深度和广度的时候,懵了很久.后来看到这篇文章,恍然大悟.写的很好.特意转过来. 经典类: 只要有父类, 就会沿着一直找, 即使已经找过了~ 新式类: 在类继承的多个类拥有共同父类的情况下, 会 ...

  4. ExtJS 4.2 组件的查找方式

    组件创建了,就有方法找到这些组件.在DOM.Jquery都有各自的方法查找元素/组件,ExtJS也有自己独特的方式查找组件.元素.本次从全局查找.容器内查找.form表单查找.通用组件等4个方面介绍组 ...

  5. linux中5条查找命令

    1 which which命令的作用是,在PATH变量指定的路径中,搜索某个系统命令的位置,并且返回第一个搜索结果. which [文件...] 参 数: -n<文件名长度> 指定文件名长 ...

  6. (转)javascript中的对象查找

    本文转自:http://otakustay.com/object-lookup-in-javascript/  ---很棒的一篇文章,作者的其他文章还暂时没读,但相信作者是一个谦虚 谨慎的好工程师 近 ...

  7. c++ --> c++中四种类型转换方式

    c++中四种类型转换方式   c风格转换的格式很简单(TYPE)EXPRESSION,但是c风格的类型转换有不少缺点, 1)它可以在任意类型之间转换,比如你可以把一个指向const对象的指针转换成指向 ...

  8. 在 Vim 中优雅地查找和替换(转)

    总有人问我 Vim 中能不能查找,当然能!而且是超级强的查找! 这篇文章来详细介绍 Vim 中查找相关的设置和使用方法. 包括查找与替换.查找光标所在词.高亮前景/背景色.切换高亮状态.大小写敏感查找 ...

  9. Linux中的文件查找技巧

    前言 Linux常用命令中,有些命令可以帮助我们查找二进制文件,帮助手册或源文件的位置,也有的命令可以帮助我们查找磁盘上的任意文件,今天我们就来看看这些命令如何使用. witch witch命令会在P ...

随机推荐

  1. 如何在mysql客户端即mysql提示符下执行操作系统命令

    环境描述: mysql版本:5.5.57-log 操作系统版本:Red Hat Enterprise Linux Server release 6.6 (Santiago) 需求描述: 在mysql的 ...

  2. Java 短信发送

    package com.test; import org.apache.commons.httpclient.Header;import org.apache.commons.httpclient.H ...

  3. 构建一个 预装 pm2 的 node 项目 docker 底包

    Dockerfile: 创建 dockerfile 文件, 命名为 dockerfile-yourProject-node.8.12.0-pm2 # MAGE: yourGroup/yourProje ...

  4. ps入门学习

    快捷键 打开 ctrl+O 切换显示窗口 ctrl+tab 隐藏工具栏和面板  tab 只隐藏面板不隐藏工具栏  shift+tab 切换屏幕模式  F 文件的新建与格式 1.新建文档Ctrl+N,存 ...

  5. C语言面试题分类->字符串处理

    1.strlen:计算字符串长度(不包含'\0') 实现想法:遍历字符串,直到'\0'结束 #include<stdio.h> #include<stdlib.h> #incl ...

  6. 将选中的物体写入XML文件

    using System.Collections;using System.Collections.Generic;using System.Xml.Linq;using UnityEditor;us ...

  7. Servlet, Struts2和SpringMVC 并发访问线程安全问题

    第一部分: Servlet不是线程安全的. 要解释Servlet为什么不是线程安全的,需要了解Servlet容器(即Tomcat)使如何响应HTTP请求的. 当Tomcat接收到Client的HTTP ...

  8. [Swift]LeetCode553. 最优除法 | Optimal Division

    Given a list of positive integers, the adjacent integers will perform the float division. For exampl ...

  9. [Swift]LeetCode707. 设计链表 | Design Linked List

    Design your implementation of the linked list. You can choose to use the singly linked list or the d ...

  10. 巡风源码阅读与分析--querylogic函数

    文件位置:views/lib/QueryLogic.py Querylogic() # 搜索逻辑 def querylogic(list): query = {} if len(list) > ...