c# 提取文档信息的示例
事情时这样，有用友u8的字典数据的帮助文档一份，同事需要把里面的很多张表的字典信息给提取出来，然后构成sql语句，插入数据库。字典就是一张对表里的字段的一个说明，长这样
同事一开始是手动复制到excel文档在改的，他问我有没有什么简单的办法，所以我就决定用代码去实现，把表格、表名等一些有效数据构成对象，有了一个对象就好写sql了。
首先，我在百度上搜索，发现这个chm帮助文档能被反编译成html，经过一番操作，使用windows自带的工具hh.exe就可以实现帮助文档的反编译。运行cmd，直接输入命令就行，具体命令是这样：
hh-decompiled:\test\helphelp.chm
d:\test\help是反编译后的目录。
反编译之后，就会得到具体的html文档，和js、css,长这样：
test目录是我自己建的。
后面就是查看html源码，分析出关键信息的xPath路径该怎么写，因为这里我用到了.net的一款工具专门对html操作的，叫做：HtmlAgilityPack，我的翻译是：html敏捷开发包，写xpath比写正则来的容易，这个包能很好的操作html的节点，获取html、innertext、属性。
贴上我的关键方法：
publicTableInfoGetTableInfo()
{
TableInfotab=newTableInfo();
HtmlDocumentdoc=newHtmlDocument();
doc.Load(FullPathName,Encoding.GetEncoding("gb2312"),true);
if(doc==null)
{
throw newNullReferenceException(FullPathName+"\r\n没有加载出文档");
}
stringpathGetTableName="/html/head/title";
stringpathGetTableDesc="/div/p";
StringpathGetTd="/div/table/tr";
varnodeTitle=doc.DocumentNode.SelectSingleNode(pathGetTableName);
if(null!=nodeTitle)
{
tab.TableName=nodeTitle.InnerText.Split(newchar[1]{''})[0].Replace("\r","").Replace("\n","").Replace("\t","").Replace("&","").Replace("nbsp;","");
}
varnodeBody=doc.GetElementbyId("pagebody");
varstr=nodeBody.OuterHtml;
vardoc1=newHtmlDocument();
doc1.LoadHtml(str);
varnodeDesc=doc1.DocumentNode.SelectSingleNode(pathGetTableDesc);
if(null!=nodeDesc)
{
tab.tableDescription=nodeDesc.InnerText.Split(newchar[1]{''})[0].Replace("\r","").Replace("\n","").Replace("\t","").Replace("&","").Replace("nbsp;","");
}
varnodesTr=doc1.DocumentNode.SelectNodes(pathGetTd);
if(nodesTr==null)
{
returntab;
}
Listlists=newList();
for(vari=1;i
这里还出现一个问题，“指定的路径不合法”,原因是，我直接点击文件右键-》属性-》安全把那里的文件路经复制到代码上去了，其实这样复制，会造成路径字符串最开始的地方有个特殊字符，在vs里是隐藏的，后来我就复制地址栏上的路径，就没问题了。
最后，需要完善的是，通过读取目录，把目录中的所有html结尾的文件遍历，并过滤出需要的表，在构建对象。
以上就是c#提取文档信息的示例的详细内容，更多关于c#提取文档信息的资料请关注毛票票其它相关文章！
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。