Question

关于C#从Word文件中提取内容（包括样式文字，图片，公式，表格）等信息，解析分字段写入数据库的问题。

如图所示的文档，
需要把题型、分数、题干、选项、答案、题解 分别存入数据库，但不能丢失格式；
后续需要读取数据库显示到网页上，格式不变
强调：难点在图片的位置、化学、数学公式的显示。

目前只有这么多分，全部贡献出来，如果不够，另行感谢！

Answer 1

Word 转 html 想要保证格式完全不变的话基本没可能，多少都要变些的，特别是图片的处理。
公式显示我认为不是什么问题，你可以测试看看文档另存为，另存为htm文件后公式已经变成图片了（通过word插入的公式）。

我认为你的问题的核心是怎么去匹配各个元素（题干、选项之类的），先将Word文件另存为htm文件，然后分析各个元素，正则提取元素内容吧，格式能不要就尽量不要了，以后放到页面浏览时统一制定格式还好处理些，实在不行就在取题目元素时将转换后的htm样式定义保存下来统一处理。

总之，问题铁定是可以解决的，看你怎么处理了，另外，office2007的文档信息可以通过 xml 处理，那样应该要好办很多，结合 htm 看看吧。

追问

我导出xml分析了，垃圾样式一大堆，公式显示有问题，比如上面化学公式 “等号上的光” 就不见了！

Answer 2

可以讲 整个word 以二进制流的形式存入数据库吗？如果行的话 你再告诉我！

追问

不行，需要提取按字段存储，比如 题型、分值、答案等，是要在不同的字段的

追答

哥们这个 有点难了！

追问

是很难呀，要不我就不在这里求教了，困扰一星期了，一直没有解决，我现在只能单独提出文字，另存图片，但是无法定位图片在文字段中的位置，还有化学公式啥的，搞不定呀