如何在C＃中使用File.ReadAllLines時一開始就消除特殊字符

Question

我嘗試使用string[] file = File.ReadAllLines(file_name)讀取word文件。

在調試模式下，我發現字符串數組文件的前幾個參數具有類似

" ࡱ 0\\0\\0\\0>\\0\\0 \\t\\0\\0\\0\\0\\0" 。 我如何擺脫這個。

在某些文件中，file []的前3個自變量用這些填充，而對於少數文件，只有第一個自變量用這些不可使用的字符填充。

有什么問題，我該如何擺脫呢？ 但是我的Word文件開頭甚至沒有空行。

Answer 1

問題是您沒有使用正確的編碼打開文件。 這是從C＃打開和創建Word文檔的指南。

Answer 2

File.ReadAllLines適用於文本文件。 Word文件不是文本文件。 要讀取Word文件，您可能需要一個庫。

Answer 3

如果您使用的是.NET 3.5，那么我建議您使用LINQ where子句僅返回您感興趣的行。

string[] file = File.ReadAllLines(file_name).Where(line => !line.StartsWith("��")).ToArray();

您也可以使用某種形式的正則表達式來代替line.StartsWith()方法。

注意：如果您正在閱讀Microsoft Office Word文件，建議您使用COM Interop或3rd party庫來閱讀MS Word文檔（與嘗試自己解析文件相比，它會容易得多）。

Answer 4

Word文件不是簡單的文本文件，因此將嵌入其他二進制信息。

如果要正確提取文本，則應使用將讀取Word文檔的庫，而不是File.ReadAllLines 。

這里有幾個這樣的庫 。