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 -decompile d:\test\help help.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：
public TableInfo GetTableInfo()
{
TableInfo tab = new TableInfo();
HtmlDocument doc = new HtmlDocument();
doc.Load(FullPathName, Encoding.GetEncoding("gb2312"), true);
if (doc == null)
{
throw new NullReferenceException(FullPathName + "\r\n没有加载出文档");
}
string pathGetTableName = "/html/head/title";
string pathGetTableDesc = "/div/p";
String pathGetTd = "/div/table/tr";
var nodeTitle=doc.DocumentNode.SelectSingleNode(pathGetTableName);
if (null != nodeTitle)
{
tab.TableName = nodeTitle.InnerText.Split(new char[1] { ' '})[0].Replace("\r", "").Replace("\n", "").Replace("\t", "").Replace("&", "").Replace("nbsp;", "");
}
var nodeBody = doc.GetElementbyId("pagebody");
var str = nodeBody.OuterHtml;
var doc1 = new HtmlDocument();
doc1.LoadHtml(str);
var nodeDesc = doc1.DocumentNode.SelectSingleNode(pathGetTableDesc);
if (null != nodeDesc)
{
tab.tableDescription = nodeDesc.InnerText.Split(new char[1] { ' ' })[0].Replace("\r","").Replace("\n", "").Replace("\t", "").Replace("&", "").Replace("nbsp;", "");
}
var nodesTr = doc1.DocumentNode.SelectNodes(pathGetTd);
if (nodesTr == null)
{
return tab;
}
List<TabFieldInfo> lists = new List<TabFieldInfo>();
for (var i = 1; i < nodesTr.Count(); i++)
{
var childs = nodesTr[i].ChildNodes;
if (childs == null)
{
continue;
}
TabFieldInfo fi = new TabFieldInfo();
if (childs.Count <= 5)
{
continue;
}
fi.ColumnName = childs[1].ChildNodes[1].InnerText.Replace("\r", "").Replace("\n", "").Replace("\t", "").Replace("&", "").Replace("nbsp;", "");
fi.Description = childs[2].InnerText.Replace("\r", "").Replace("\n", "").Replace("\t", "").Replace("&", "").Replace("nbsp;", "");
fi.Datatype = childs[3].InnerText.Replace("\r", "").Replace("\n", "").Replace("\t", "").Replace("&", "").Replace("nbsp;", "");
fi.Length = childs[4].InnerText.Replace("\r", "").Replace("\n", "").Replace("\t", "").Replace("&", "").Replace("nbsp;", "");
fi.AllowNulls = childs[5].InnerText.Replace("\r", "").Replace("\n", "").Replace("\t", "").Replace("&", "").Replace("nbsp;", "");
lists.Add(fi);
}
tab.fields = lists;
return tab;
}
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脚本之家其它相关文章！
相关文章
怎样把List转换成DataSet本人很是疑惑，于是搜集整理一番，需要的朋友可以参考下2012-12-12
下面小编就为大家分享一篇C# 实现拖拉控件改变位置与大小的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-01-01
这篇文章主要介绍了c# 实现语音聊天的实战示例，帮助大家更好的理解和学习使用c#，感兴趣的朋友可以了解下2021-02-02
在IT行业中,数据库连接是应用程序开发中的重要环节,尤其是在使用C#进行Windows或者Web应用开发时,经常需要与各种数据库进行交互,其中就包括广泛使用的MySQL,本篇将详细讲解如何使用C#语言来连接MySQL数据库,以实现数据的读取、写入和其他操作2024-09-09
这篇文章给大家介绍了利用C#实现向数组指定索引位置插入新的元素值,首先需要定义一个一维数组,然后修改数组的长度,从而在其中增加一个元素,需要的朋友可以参考下2024-02-02
这篇文章主要介绍了C#中调用MySQL存储过程的方法,涉及C#数据库操作的相关技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-07-07
这篇文章主要为大家详细介绍了如何利用C#批量Word转换Html的功能，文中的示例代码讲解详细，对我们学习C#有一定的帮助，感兴趣的小伙伴可以跟随小编一起了解一下2022-12-12
winform中写app.config文件时调试情况下没有改变的原因
读取很简单基本都用过 ConfigurationManager.AppSettings[""].ToString() 写config不是很常用2013-02-02
这篇文章主要介绍了C#实现最完整的文件和目录操作类,涉及C#针对文件与目录的创建、获取、检测、删除等常用操作技巧,非常具有实用价值,需要的朋友可以参考下2015-05-05
C# 抓取网页内容的方法，需要的朋友可以参考一下2013-04-04
最新评论