c# - 如何通过页码访问OpenXML内容？

Question

使用OpenXML，我可以按页码读取文档内容吗？

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

<小时/>

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>

所以现在我需要使用上述检查来拆分 XML，并为每个 XML 获取 InnerTex，这将为我提供页面可视化文本。

现在的问题是如何通过上述检查拆分 XML？

<小时/>

更新2:

仅当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，则不会设置分页符 XML 元素，因此它会返回到如何识别页面分隔符的相同挑战.

Answer 1

您无法仅在 OOXML 数据级别通过页码引用 OOXML 内容。

• 硬分页不是问题；可以计算硬分页符。
• 软分页符就是问题所在。这些是根据计算得出的换行和分页算法的实现依赖；它不是 OOXML 数据固有的。没有什么来数数。

w:lastRenderedPageBreak 怎么样，它是文档上次呈现时软分页符位置的记录？ 不，w:lastRenderedPageBreak 一般来说也没有帮助，因为:

• 根据定义，当内容具有以下内容时，w:lastRenderedPageBreak 位置已过时自上次打开后已被对其分页的程序更改内容。
• 在 MS Word 的实现中，w:lastRenderedPageBreak 已知在多种情况下都不可靠，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 及其所有固有功能的依赖 licensing and server operation limitations ，然后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基于页面的引用框架，该框架依赖于专有的、特定于实现的分页算法。