Office Word dokumentumból szöveg kinyerése

Javabuzi meghasonulva

Bár javabuzi vagyok, vannak olyan feladatok, amikre nem a Java a legalkalmasabb. Mostanság több ilyen is adódott, kellett használni flex-et, grails-t, .NET-et is.

Tehát a probléma: szedjük ki bizonyos időközönként egy aktuálisan megnyitott dokumentumból a szöveget. C#.NET-et találtam a legkényelmesebbnek ehhez, bár így sem volt egyszerű. Rengeteg írás van a neten, hogy hogyan bizergáljunk lementett doc fájlokat, de ritka, hogy hogyan dolgozzunk egy aktuálisan megnyitott doksival. Annyi könnyíti a helyzetemet, hogy magát a dokumentumot az elején feldobhatom én is, így nem kell kikeresnem az aktívot, hanem feltételezhetem, hogy az általam megnyitottba írnak majd. Csupán a Microsoft.Office.Core és a Microsoft.Office.Interop.Word dll-eket kell csak behúzni. A kód valami ilyesmi, persze még az ütemes giveBackTheText() hívások kellenek köré:

public class WordTextReceiver
{

        private Microsoft.Office.Interop.Word.Application wordApp;
        private Document doc;


        public void init()
        {
            createWordDocument();
        }

        private void createWordDocument()
        {
            wordApp = new Microsoft.Office.Interop.Word.Application();

            object readOnly = false;
            object isVisible = true;

            // Here is the way to handle parameters you don't care about in .NET
            object missing = System.Reflection.Missing.Value;
            wordApp.Visible = true;

            try
            {
                doc = wordApp.Documents.Add(ref missing, ref missing, ref missing, ref isVisible);

            }
            catch (COMException ce)
            {
                // some logging or error handling here
            }

            doc.Activate();
        }


        public String giveBackTheText()
        {
            return doc.Content.Text;
        }
}