提取docx文件中的文本

Question

我正在使用下面的代碼來讀取.docx文件，並且它正在成功地從文件中提取文本。但問題在於，它只是提取文本。例如，如果我的文檔數據是像下面

I am line 1 

I am line 2  I am some other text 

然後它返回我像

I am line 1I am line 2I am some other text. 

我只是希望它是。我怎樣才能做到這一點。以下是我現在使用的代碼。

open System 
open System.IO 
open System.IO.Packaging 
open System.Xml 

let getDocxContent (path: string) = 
use package = Package.Open(path, FileMode.Open) 
let stream = package.GetPart(new Uri("/word/document.xml",UriKind.Relative)).GetStream() 
stream.Seek(0L, SeekOrigin.Begin) |> ignore 
let xmlDoc = new XmlDocument() 
xmlDoc.Load(stream) 
xmlDoc.DocumentElement.InnerText 
let docData = getDocxContent @"C:\a1.docx" 
printfn "%s" docData 

Answer 1

您需要在加載之前在您的XmlDocument上設置PreserveWhitespace屬性。

因此改變從代碼：

let xmlDoc = new XmlDocument() 
xmlDoc.Load(stream) 

要：

let xmlDoc = new XmlDocument() 
xmlDoc.PreserveWhitespace <- true 
xmlDoc.Load(stream)