MS Word 문서에서 SurrogatePairs 가져 오기

Microsoft Word 문서를 열고 내부의 모든 텍스트를 읽고 해당 데이터를 처리하기 위해 외부 시스템으로 보냅니다. 과거에는 괜찮 았지만 유니 코드를 받아 들였기 때문에 Word Documents를 읽는 데 문제가있었습니다.MS Word 문서에서 SurrogatePairs 가져 오기

우리가보고있는 문제는 (Surrogate Pair) 또는 â̈ (Grapheme Cluster)와 같이 하나 이상의 코드 단위를 차지하는 문자를 표시 할 수 없다는 것입니다. 우리가를 표시하려고 할 때, 우리는 두 개를 얻습니다. 그리고 ā with와 함께, 우리는 각자의 문자를 만들어냅니다.

필자는 파일에서 제대로 읽지 못하기 때문에 이러한 문자가 반환 된 이유를 알 수 있습니다. 그러나 나는 수색 해왔고 아직 해결책을 찾지 못했다.

단일 값만 포함 된 Word 문서를 만들었습니다. 찾는에서

{63, 63, 10, 13}, or in hex {0x3f, 0x3f, 0x0d, 0x0a}

: 바이트 배열의 추가 조사시

FileStream fileStream = new FileStream(fileName, FileMode.Open, FileAccess.Read); 

wordDocument = new byte[fileStream.Length]; 
fileStream.Read(wordDocument, 0, (int)fileStream.Length); 

fileStream.Close();

는 다음과 같은 값을 포함합니다 :

우리가 코드에서 할 첫 번째 일은 바이트 배열로 파일을 읽어 16 진수 값, 나는 0x3f가?와 관련이 있다는 것을 배웠습니다. 왜 우리가 두 개를 얻었는지 설명합니다. "

그런 다음 데이터를 문자열로 변환하려고 시도하면 두 개가 다시 나옵니다.

textdata = System.Text.Encoding.Unicode.GetString(wordDocument);

문제는 우리가 문서를 읽는 방법과 관련이있을 수 있지만 100 % 확실하지는 않습니다. 누군가 올바른 경로로 안내 할 수 있습니까?

출처

2012-12-17 Christopher MacKinnon

Word 문서는 일반 텍스트가 아닙니다. – SLaks

맞아, 내 생각은 내가 그 두 배가 돌아 왔을 때 였어 ?? Surrogate Pair 대신에 질문은 Word 문서에서 모든 데이터를 올바르게 가져 오는 방법입니다. –

Word 파일 형식 (.doc 또는 .docx)에 대한 파서를 작성해야합니다. 쉬운 일이 아닙니다. – SLaks

MS Office 기본 Interop 어셈블리를 사용하여 Word 문서의 개체 모델에 액세스 할 수 있습니다. Visual Studio에서 어셈블리 참조를 추가하십시오 (Office 12 또는 Microsoft Word 12 등). this link을 확인하십시오. 거기에 몇 가지 기본 사항이 있습니다.

출처

2012-12-17 17:53:35 lavrik

MS Word 문서에서 SurrogatePairs 가져 오기

답변

관련 문제