通过 Office API 将多个 Word 文档保存为 HTML

我有大量的Word文档需要解析。由于它们都是从同一个模板创建的，我认为最好的方法是将它们保存为 HTML 文件并解析 HTML 本身。

虽然将单个 Word 文档保存为 HTML 相当容易，但我还没有找到从 Word 内部执行批量过程的方法。因此，我试图找到一种利用 Microsoft Office/Word API 来完成此任务的方法。

如何使用 Word API 将许多 Word 文档保存为 HTML？

提前致谢。

UPDATE:更多细节...

部分文件具有扩展性.doc，而其他人则.docx。我希望这不是问题，但如果是的话，我只需将它们全部转换为.docx，希望通过 API 或通过DocX http://docx.codeplex.com/.

说到 DocX，我在作者博客上看到的 http://cathalscorner.blogspot.com/2009/10/converting-docx-into-doc-pdf-html.html可以保存一个.docx文件为 HTML，并包含以下代码：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using Word = Microsoft.Office.Interop.Word;
using Microsoft.Office.Interop.Word;

namespace ConsoleApplication1
{
    class Program
    {
        static void Main(string[] args)
        {
            // Convert Input.docx into Output.doc
            Convert(@"C:\users\cathal\Desktop\Input.docx", @"c:\users\cathal\Desktop\Output.doc", WdSaveFormat.wdFormatDocument);

            /*
             * Convert Input.docx into Output.pdf
             * Please note: You must have the Microsoft Office 2007 Add-in: Microsoft Save as PDF or XPS installed
             * http://www.microsoft.com/downloads/details.aspx?FamilyId=4D951911-3E7E-4AE6-B059-A2E79ED87041&displaylang=en
             */
            Convert(@"c:\users\cathal\Desktop\Input.docx", @"c:\users\cathal\Desktop\Output.pdf", WdSaveFormat.wdFormatPDF);

            // Convert Input.docx into Output.html
            Convert(@"c:\users\cathal\Desktop\Input.docx", @"c:\users\cathal\Desktop\Output.html", WdSaveFormat.wdFormatHTML);
        }

        // Convert a Word 2008 .docx to Word 2003 .doc
        public static void Convert(string input, string output, WdSaveFormat format)
        {
            // Create an instance of Word.exe
            Word._Application oWord = new Word.Application();

            // Make this instance of word invisible (Can still see it in the taskmgr).
            oWord.Visible = false;

            // Interop requires objects.
            object oMissing = System.Reflection.Missing.Value;
            object isVisible = true;
            object readOnly = false;
            object oInput = input;
            object oOutput = output;
            object oFormat = format;

            // Load a document into our instance of word.exe
            Word._Document oDoc = oWord.Documents.Open(ref oInput, ref oMissing, ref readOnly, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref isVisible, ref oMissing, ref oMissing, ref oMissing, ref oMissing);

            // Make this document the active document.
            oDoc.Activate();

            // Save this document in Word 2003 format.
            oDoc.SaveAs(ref oOutput, ref oFormat, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing, ref oMissing);

            // Always close Word.exe.
            oWord.Quit(ref oMissing, ref oMissing, ref oMissing);
        }
    }
}

这是最好的方法吗？

您上面发布的代码应该适合您。据我所知，Document.SaveAs Api 可以将任何可以在 Word 中打开的文档（docx、doc、rtf）转换为 HTML（或任何其他格式）

另外，不要为每个文件创建一个 Word 应用程序实例，而是将名称的 string[] 传递给转换 api，并且仅在完成另存为后才处理文档实例