c# - 如何通过页码访问 OpenXML 内容？

Question

使用OpenXML，我可以按页码阅读文档内容吗？

wordDocument.MainDocumentPart.Document.Body 给出完整文档的内容。

  public void OpenWordprocessingDocumentReadonly()
        {
            string filepath = @"C:\...\test.docx";
            // Open a WordprocessingDocument based on a filepath.
            using (WordprocessingDocument wordDocument =
                WordprocessingDocument.Open(filepath, false))
            {
                // Assign a reference to the existing document body.  
                Body body = wordDocument.MainDocumentPart.Document.Body;
                int pageCount = 0;
                if (wordDocument.ExtendedFilePropertiesPart.Properties.Pages.Text != null)
                {
                    pageCount = Convert.ToInt32(wordDocument.ExtendedFilePropertiesPart.Properties.Pages.Text);
                }
                for (int i = 1; i <= pageCount; i++)
                {
                    //Read the content by page number
                }
            }
        }

MSDN Reference

---

更新 1:

看起来分页符设置如下

<w:p w:rsidR="003328B0" w:rsidRDefault="003328B0">
        <w:r>
            <w:br w:type="page" />
        </w:r>
    </w:p>

所以现在我需要将 XML 与上面的检查分开，并为每个检查使用 InnerTex，这将给我页面虎钳文本。

现在问题变成了如何使用上述检查拆分 XML？

---

更新 2:

仅当您有分页符时才设置分页符，但如果文本从一页 float 到其他页面，则没有设置分页符 XML 元素，因此它返回到相同的挑战如何识别页面分隔.

Answer 1

您不能仅在 OOXML 数据级别通过页码引用 OOXML 内容。

• 硬分页符 不是问题；可以计算硬分页符。
• 软分页符 是问题所在。这些是根据计算的实现的换行和分页算法受抚养人；它不是 OOXML 数据固有的。空无一物数数。

w:lastRenderedPageBreak 呢，它记录了文档最后一次呈现时软分页符的位置？ 不，w:lastRenderedPageBreak 通常也没有帮助，因为:

• 根据定义，w:lastRenderedPageBreak 位置在内容已过期时失效自上次打开后被对其进行分页的程序更改内容。
• 在 MS Word 的实现中，w:lastRenderedPageBreak 已知在各种情况下都不可靠，包括
  1. when table spans two pages
  2. when next page starts with an empty paragraph
  3. formulti-column layouts with text boxes starting a new column
  4. forlarge images or long sequences of blank lines

如果您愿意接受对 Word Automation 的依赖，及其所有固有的 licensing and server operation limitations , 那么您就有机会确定页面边界、页码、页数等。

否则，唯一真正的答案是超越依赖专有的、特定于实现的分页算法的基于页面的引用框架。