C # में rtf को xml में बदलें

C # का उपयोग करके टेक्स्ट फ़ाइलों को xml में परिवर्तित करने की पोस्ट की निरंतरता में, मैं rff फ़ाइलों को परिवर्तित करने के लिए आगे बढ़ने का प्रस्ताव करता हूं ।

ऐसा लगता है कि यह प्रारूप काफी प्राचीन है, और यह बहुत व्यापक है, और अगर किसी भी तरीके को एक विधि से कॉल करके सभी डेटा को xml प्रारूप में परिवर्तित करने के लिए नहीं है, तो निश्चित रूप से Microsoft से किसी प्रकार का समाधान होना चाहिए, कम से कम OpenXML के समान। । हालाँकि, अगर ऐसा होता, तो यह लेख नहीं लिखा होता।

तो ReachTextFile (rtf) फ़ाइल क्या है? द्वारा और बड़े, फ़ाइल की सामग्री पहले से ही संरचित है और यहां तक ​​कि json, xml और xpath के मिश्रण की याद दिलाती है। इसे कुछ वर्ड डॉक्यूमेंट को rtf फॉर्मेट में सेव करके आसानी से वेरिफाई किया जा सकता है , और फिर इसे एक टेक्स्ट एडिटर में पढ़ने की कोशिश कर सकते हैं जैसे कि Notadad ++ :

मैंने फ़ाइल के एक टुकड़े को लाल रंग में हाइलाइट किया है, जिसमें एन्कोडिंग के बारे में जानकारी है: सामान्य तौर पर, टैग को एन्सी एन्कोडिंग के साथ एन्क्रिप्ट किया गया है, और टेक्स्ट स्वयं ansicpg1251 के साथ एन्कोडेड है। पाठ स्वयं इस तरह दिखता है:

, , , , … , , , , php.

, , , , , , , . - .

, , , rtf RichTextBox, :

• -, Windows.Forms, .
• -, . , RichTextBox , , .

, nuget RtfPipe. .

RtfPipe . rtf html. , HtmlAgilityPack.

, - ? : , , , , . , rtf- , , , , — , , , , , .

, .

public string Convert(Stream stream)
        {
            stream.Position = 0;
            string rtf = string.Empty;
            using (StreamReader sr = new StreamReader(stream))
            {
                rtf = sr.ReadToEnd();
            }
            //      RtfPipe  Core 
            Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);
            //    RtfPipe  html
            var html = Rtf.ToHtml(rtf);
            //  html     ,   xml
            return ClearHtml(html);
        }

1. string. RtfPipe. ,
2. , .Net Core Encoding.RegisterProvider(CodePagesEncodingProvider.Instance);. RtfPipe. .
   .Net Framework, .
3. var html = Rtf.ToHtml(rtf); — html . , , , ( ), .

string ClearHtml(string html), xml:

string ClearHtml(string html)
{
    //  html   HtmlAgilityPack
    HtmlDocument doc = new HtmlDocument();
    doc.LoadHtml(html);
    //    (),     style
    var elementsWithStyleAttribute = doc.DocumentNode.SelectNodes("//@style");
    //   ,    
    var excessNodes = doc.DocumentNode.SelectNodes("//b|//u|//strong|//br");
    //     html
    foreach (var element in excessNodes)
    {
        element.ParentNode.InnerHtml = element.InnerText;
        element.Remove();
    }
    foreach (var element in elementsWithStyleAttribute)
    {
        element.Attributes["style"].Remove();
    }
    //    html
    using (StringWriter writer = new StringWriter())
    {
        doc.Save(writer);
        html = writer.ToString();
    }
    //   html  xml
    StringBuilder xml = new StringBuilder();
    xml.Append("<?xml version=\"1.0\"?><documents><document>");
    xml.Append(html);
    xml.Append("</documents></document>");
    return xml.ToString();
}

1. , HtmlAgilityPack nuget
2. doc HtmlDocument html
3. , , . , style, , , , .
4. C , StringBuilder xml, .

, , , .

docx xlsx