基于.NET技术的文档自动化处理研究

唐云婷

(北海职业学院，广西 北海 536000)

Microsoft Office文档是日常办公的主要软件，其占据非常大的市场份额，在某些场合下需要对范围限定的文档进行批处理，以判断其内容是否符合期望内容，自动化处理是一个良好的解决方案。

1 Word文档

Microsoft Office Word是微软公司的一个功能强大、流行的文字处理器应用程序，具备完善的文档(如信函、论文、报表和手册等)处理能力，作为 Microsoft Office 套件的核心程序，Word提供了许多易于使用的文档创建工具，同时也提供了丰富的功能集供创建复杂的文档使用。第一个Windows版本的Word发售于1989年，它被认为是 Office 的主要程序，在文字处理领域其份额几乎是统治级，其自称规则的DOC格式也被推至行业标准。

Office系列软件是高校计算机应用基础课的必学软件，也是大学计算机等级考试的基础软件、日常办公的常用软件。Word是Office系列里重要的套件之一，围绕Office自动阅卷的研究多如牛毛，但涉及的环境复杂，无法统一试题标准，故目前市面上也没有此类文档自动处理软件。

2 NET Framework

2002年，微软发布了.NET Framework的第一个版本，并为其技术实现制订了一套完整的规范，这套规范便是CLI(Common Language Infrastructure，公共语言基础结构)。CLI由CTS(Common Type System，公共类型系统)、CLS(Common Language Specification，公共语言规范)、CIL(Common Intermediate Language，公共中间语言)、CLR(Common Language Runtime，公共语言运行库)、BCL(Base Class Library，基类库)、元数据定义、语义及其他相关标准化文档、协议、规范组成。Microsoft针对CLI在Windows上的完整实现便是 .NET Framework。

.NET Framework是由微软开发的一个致力于快速应用和部署、与平台无关的透明化软件平台。.NET Framework集成了多语言组件开发和集成的环境(如C、C++、C#等)，提供了一个统一的面向对象的编程环境，这一集成将软件部署和版本控制冲突的概率进一步降低，其提供的跨语言(.NET Core已支持跨系统)统一平台旨在使开发人员更便捷地建立应用程序，使这些应用程序能够无缝地运行在各种环境平台下，达到一处开发随处可用的目的。

3 组件对象模型

1993年，微软公司提出了一种组件技术，其是一种面向对象的编程模式，定义了对象在单个应用内部或多个应用内部的行为方式，是一种与平台无关、位置透明且支持网络的中间件技术，这种技术就是组件对象模型，即COM(Component Object Model)，它提供了一种在不同应用程序和语言之间共享二进制代码的规范，是致力于Web服务器与客户端、增益集与Office系列软件之间交互的一项软件组件技术。COM定义了软件组件互相通信的方式，是一种二进制和网络标准，允许任意两个组件之间进行通信而忽略它们所在的软件环境(包括操作系统、编写语言)，只要环境支持COM即可。COM还提供了位置透明性，当使用COM组件时，一切都变得透明，组件运行位置都将被忽略。

由于COM对象和.NET对象在生命周期、内存管理、接口服务上的差异，运行时提供了包装类来使其互相调用。Windows可以使用DLLs在二进制级别共享代码，如kernel 32.dll、user 32.dll等。

4 Word对象操作

Word文档本身是一个压缩文件，如果对某个Word文档进行解压会得到一堆XML文档的存档，由许多元素组成，这些元素通过一定的压缩算法形成Word文档，对Word的操作实际上是对组成Word文档元素的操作，也就是对象操作。在Windows平台，利用C#的面向对象特性及引用COM中的“Microsoft Word 12.0 Object. Library”库(因本机安装的版本不同，此对象库的名称可能不一样，如Microsoft Word 14.0 Object. Library)，搭建Word对象操作的运行环境，对Word中的元素或对象进行实验性操作，以研究其进行自动化处理的可行性。

4.1 实验条件

研究依靠Windows下的.NET平台进行测试时，本地环境是：

操作系统windows 10 Profession，开发环境.NET Framework 4.0，开发工具Visual Studio 2013 Express 、Microsoft Office2010，开发语言C#。

4.2 实验步骤

引入“Microsoft Word 12.0 Object. Library”，其是Office 2010版本中Word对象类库，提供了丰富的操作Word所需的方法和函数，将其引入后，可以使用其提供的方法或函数对Word文档进行编辑与操作，这是实现文档自动化处理的前提，让文档成为可编程处理的对象。引用PIA(主互操作程序集，COM组件生成)时，可以设置是否嵌入互操作类型。嵌入互操作类型时，PIA不随着程序一起部署，程序只是引用COM中的类型信息，好处是可以部署到不同COM版本的环境中。如常用的Office开发“Microsoft.Office.Interop.Word”，设置嵌入互操作类型，就可以不依赖Office版本，改为互操作false后也就将PIA复制到本地。

利用C#面向对象特征，引用“Microsoft.Office.Interop.Word”提供的方法，通过基本的面向对象程序设计，实现对Word文档中的对象进行操作，现选取在Word中自动插入图片，部分代码如下：

1.wordApp.Selection.EndKey(ref unite, ref Nothing);

2.string filename=Environment.CurrentDirectory+″6.png″;

3.Object range=wordDoc.Paragraphs.Last.Range;

4.Object linkToFile=false;

5.Object saveWithDocument=true;

6.wordDoc.InlineShapes.AddPicture(filename, ref linkToFile, ref saveWithDocument, ref range);

7.wordApp.Selection.ParagraphFormat.Alignment=MSWord.WdParagraphAlignment.wdAlignParagraphCenter;

8.wordDoc.InlineShapes[1].ScaleWidth=20;

9.wordDoc.InlineShapes[1].ScaleHeight=20;

10.wordDoc.Content.InsertAfter(″ ″);

11.wordApp.Selection.EndKey(ref unite, ref Nothing);

12.wordApp.Selection.ParagraphFormat.Alignment=MSWord.WdParagraphAlignment.wdAlignParagraphCenter;

13.wordApp.Selection.Font.Size=10;

14.wordApp.Selection.TypeText(″北海职业学院logo ″);

对象操作完毕，结果存储至外存，需要销毁对象回收内存，以保证系统资源的合理使用，可以在程序逻辑中显式的销毁对象释放内存，也可以利用C#的垃圾回收机制自动回收内存。

4.3 实验结论

实验通过引用“Microsoft Word 12.0 Object. Library”类库，利用C#面向对象设计方法，对Word文档对象进行了字体、图片、表格等方面的自动化处理(篇幅所限仅展示一部分)，实验结果表明，利用自动化(其实是半自动)思想对Word文档对象进行批处理是可行的，这让人们在处理大量格式统一却重复的文档时，有了更好的解决方案，提高工作效率的同时，节省了宝贵时间。

5 总结与展望

在.NET Framework框架下利用C#面向对象技术，引入“Microsoft Word 12.0 Object. Library”类库，介绍了利用程序逻辑操作Word对象的过程，以探索对Word文档进行自动化处理的可行性。得到实验成果的同时，了解了要实现自动识别自动判断是极其困难的，归根结底是Word的灵活性导致，其功能复杂、灵活、细节丰富，实际应用时必须结合当前环境进行逻辑设计和定制，才能实现自动化处理，这实际是一种半自动化处理方案。随着信息技术的发展，云课堂的兴起，围绕批量文档操作的研究和实践也会越来越多，软件功能也会越来越丰富，自动化程度也会越来越高。