C#提取XML内容，高手来帮帮忙~~（在线等）

Question

我将一个word文档转成xml，转换之后xml文档十分复杂，我想用C#提取文档中红色词组，部分xml内容如下：<w:sz w:val="24"/></w:rPr></w:pPr><w:r wsp:rsidRPr="00BF2E91"><w:rPr><w:rFonts w:hint="fareast"/><wx:font wx:val="宋体"/><w:b/><w:color w:val="FF0000"/><w:sz w:val="24"/></w:rPr><w:t>我想提取的内容</w:t></w:r></w:p><w:p wsp:rsidR="00E2526D" wsp:rsidRPr="00BF2E91" wsp:rsidRDefault="00E2526D" wsp:rsidP="00BF2E91"><w:pPr><w:adjustRightInd w:val="off"/><w:snapToGrid w:val="off"/><w:spacing w:line="360" w:line-rule="auto"/><w:ind w:first-line-chars="200"/><w:rPr><w:sz w:val="24"/></w:rPr></w:pPr><w:r wsp:rsidRPr="00BF2E91"><w:rPr><w:rFonts w:hint="fareast"/><w:sz w:val="24"/></w:rPr><w:t>2008-6-27 08</w:t></w:r><w:r wsp:rsidRPr="00BF2E91"><w:rPr><w:rFonts w:hint="fareast"/><wx:font wx:val="宋体"/>
应该怎么做呢？小弟xml不是很了解~~望大虾指点~~~

Answer 1

我所了解，用正则表达式是可以匹配出来的，但是文档内容很多的时候速度很慢，直接用.NET的xml方法应该也可以做得，请高手指点一下~！

Answer 2

LZ可否把xml整理下.太乱了.不好看
整理下重新发出来吧.那样才好帮你

Answer 3

转换之后的xml的节点结构很混乱~~如果理清节点结构的话应该好处理一些~~

Answer 4

<w:color w:val="FF0000"/>就是颜色的标记，在原word中就是红色的，标记到后面的文本：“我要提取的内容”。

Answer 5

用正则表达式吧
System.Text.RegularExpressions.Regex.Replace(this.richTextBox1.Text, "<\\w*>|</\\w*>", "");

Answer 6

我晕...我将你的XML代码拷到VS去格式化..不行...是乱的...帮不了你了..

Answer 7

既然楼主要解析xml。友情提示用xpath.具体例子参见
http://topic.csdn.net/u/20081024/00/200484df-bf81-4449-8c63-2ba0cac07a56.html
19楼代码，你的这个xml代码好像格式不合规范

Answer 8

放到工具里后自动转成这样的格式，不过你这个XML内容不完整，有些地方格式也不对。
<?xml version="1.0" encoding="utf-8" ?> 
<w:sz w:val="24" /> </w:rPr> </w:pPr> <w:r wsp:rsidRPr="00BF2E91">
<w:rPr>
<w:rFonts w:hint="fareast" />
<wx:font wx:val="宋体" />
<w:b />
<w:color w:val="FF0000" />
<w:sz w:val="24" />
</w:rPr>
<w:t>我想提取的内容 </w:t>
</w:r> </w:p> <w:p wsp:rsidR="00E2526D" wsp:rsidRPr="00BF2E91" wsp:rsidRDefault="00E2526D" wsp:rsidP="00BF2E91">
<w:pPr>
<w:adjustRightInd w:val="off" />
<w:snapToGrid w:val="off" />
<w:spacing w:line="360" w:line-rule="auto" />
<w:ind w:first-line-chars="200" />
<w:rPr>
<w:sz w:val="24" />
</w:rPr>
</w:pPr>
<w:r wsp:rsidRPr="00BF2E91">
<w:rPr>
<w:rFonts w:hint="fareast" />
<w:sz w:val="24" />
</w:rPr>
<w:t>2008-6-27 08 </w:t>
</w:r>
<w:r wsp:rsidRPr="00BF2E91">
<w:rPr>
<w:rFonts w:hint="fareast" />
<wx:font wx:val="宋体" /> 

Answer 9

囧……首先，LZ应该也已经知道乱了……其次，红字看不到……最后，用C#自带的XML解析类应该能比较容易达到目的……

Answer 10

你这个XML文件存在格式问题，我重新给你举个例子吧（这是今天CSDN某个帖子的XML内容，姑且将此XML文件命名为XMLTest.xml）：
<?xml version="1.0" encoding="utf-8" standalone="yes" ?> 
 <ShellOrder> 
 <OneRM> 
  <Sender>Shell </Sender> 
  <Quantity>3 </Quantity> 
 <Unit> 
  <CompName>RIY-L-99971 </CompName> 
  <JoinDomain>No </JoinDomain> 
  <AdminPW>g6XHr8p2BCb5v3 </AdminPW>
  </Unit> 
 <Unit> 
  <CompName>PPP-L-99972 </CompName> 
  <JoinDomain>No </JoinDomain> 
  <AdminPW>g6XHr8p2BCb5v4 </AdminPW> 
  </Unit> 
 <Unit> 
  <CompName>XXX-L-99973 </CompName> 
  <JoinDomain>No </JoinDomain> 
  <AdminPW>g6XHr8p2BCb5v5 </AdminPW> 
  </Unit> 
  </OneRM> 
 <OneRM> 
  <Sender>Shell </Sender> 
  <Quantity>2 </Quantity> 
 <Unit> 
  <CompName>SLMBCA-L-99998 </CompName> 
  <JoinDomain>No </JoinDomain> 
  <AdminPW>Kb9a5G2Uhp6ADx </AdminPW> 
  </Unit> 
 <Unit> 
  <CompName>SDFSD-L-99998 </CompName> 
  <JoinDomain>No </JoinDomain> 
  <AdminPW>Sd9a5G2Uhp6ADx </AdminPW> 
  </Unit> 
  </OneRM> 
 <OneRM> 
  <Sender>Shell </Sender> 
  <Quantity>1 </Quantity> 
 <Unit> 
  <CompName>RIY-L-99974 </CompName> 
  <JoinDomain>No </JoinDomain> 
  <AdminPW>g6XHr8p2BCb5v3 </AdminPW> 
  </Unit> 
  </OneRM> 
  </ShellOrder> 现在我要取所有<CompName>节点的内容（类似于你要取<W:t>的内容）：
string result=string.Empty;
XmlDocument xmlDoc=new XmlDocument();
xmlDoc.Load("XMLTest.xml");
XmlNodeList xmlList = xmlDoc.GetElementsByTagName("CompName");
foreach(XmlNode xnf in xmlList)
{
result += xnf.InnerText + "\r\n";
}
执行代码后，结果如下：
RIY-L-99971 
PPP-L-99972 
XXX-L-99973 
SLMBCA-L-99998 
SDFSD-L-99998 
RIY-L-99974