关于 c#把word文档转换成html后取出html文件中的内容的问题

Question

有人通过下面这种方法将word转为html，private void Page_Load(object sender, System.EventArgs e)
{
// 在此处放置用户代码以初始化页面
    Word.ApplicationClass word = new Word.ApplicationClass();
    Type wordType = word.GetType();
    Word.Documents docs = word.Documents;    // 打开文件
    Type docsType = docs.GetType();
    object fileName = "d:\\tmp\\aaa.doc";
    Word.Document doc = (Word.Document)docsType.InvokeMember("Open", 
    System.Reflection.BindingFlags.InvokeMethod, null, docs, new Object[] {fileName, true, true});
          
    // 转换格式，另存为
    Type docType = doc.GetType();
    object saveFileName = "d:\\tmp\\aaa.html";
    //下面是Microsoft Word 9 Object Library的写法，如果是10，可能写成：
    //docType.InvokeMember("SaveAs", System.Reflection.BindingFlags.InvokeMethod,
     null, doc, new object[]{saveFileName, Word.WdSaveFormat.wdFormatFilteredHTML});
    ///其它格式：
    ///wdFormatHTML
    ///wdFormatDocument
    ///wdFormatDOSText
    ///wdFormatDOSTextLineBreaks
    ///wdFormatEncodedText
    ///wdFormatRTF
    ///wdFormatTemplate
    ///wdFormatText
    ///wdFormatTextLineBreaks
    ///wdFormatUnicodeText
    docType.InvokeMember("SaveAs", System.Reflection.BindingFlags.InvokeMethod,
     null, doc, new object[]{saveFileName, Word.WdSaveFormat.wdFormatHTML});    // 退出 Word
    wordType.InvokeMember("Quit", System.Reflection.BindingFlags.InvokeMethod,
     null, word, null);
}现在我想取出已转换为html文件的文本内容，要如何实现？请大家帮忙，谢谢

Answer 1

把所有的html标记用正则表达式替换掉。

Answer 2

不好意思，我写错了，我的意思是取出这个html文件中的所有内容，不单单是其中的文本，还包括它的标记什么的啊

Answer 3

都已经转换成html，你还要取什么？

Answer 4

是成功转换保存成了html文件啊，那我要取出这个html文件的代码啊，要怎么取了？

Answer 5

这个word文件已经被你转化之后保存成了一个html文件。你现在要把这个html文件当作文本读到内存里去？

Answer 6

private void Page_Load(object sender, System.EventArgs e)
{
// 在此处放置用户代码以初始化页面
    Word.ApplicationClass word = new Word.ApplicationClass();
    Type wordType = word.GetType();
    Word.Documents docs = word.Documents;    // 打开文件
    Type docsType = docs.GetType();
    object fileName = "d:\\tmp\\aaa.doc";
    Word.Document doc = (Word.Document)docsType.InvokeMember("Open", 
    System.Reflection.BindingFlags.InvokeMethod, null, docs, new Object[] {fileName, true, true});
          
    // 转换格式，另存为
    Type docType = doc.GetType();
    object saveFileName = "d:\\tmp\\aaa.html"; //<-这里已经有了保存路径
    docType.InvokeMember("SaveAs", System.Reflection.BindingFlags.InvokeMethod,
     null, doc, new object[]{saveFileName, Word.WdSaveFormat.wdFormatHTML});    // 退出 Word
    wordType.InvokeMember("Quit", System.Reflection.BindingFlags.InvokeMethod,
     null, word, null);
    
    //读取已经保存的文件
    Sysetem.IO.StreamReader sr = new StreamReader(saveFileName.ToString(),
    Encoding.Default);
    string strHtml = sr.ReadToEnd();//<-strHtml中就是Html的文本了。
    sr.Close();}