Text aus Word.DOC extrahieren (MS-Word 97-2003-Binär-Format:)

[sx2008]

Das binäre Word-Format setzt auf Windows Structured Storage auf.
Jeder Versuch das Word-Format direkt zu lesen und Structured Storage zu ignorieren ist von vornerein zum Scheitern verurteilt.
Man muss die StgOpenStorageEx()-Funktion verwenden und sich mit der überkomplizierten Microsoft-API rumschlagen.
Wenn man das schön in Delphi-Klassen verpackt bekommt man vielleicht auch eine API die man benützen kann.

Aber einfach so direkt in die Datei reingreifen - vergiss es.

PS: die Jedi Code Library enthält die Unit JclStructStorage.pas die schon mal einige grundlegende Klassen enthält.

[Perlsau]

Eine weitere Möglichkeit, Word-Dateien ohne installiertes Word zu öffnen, wäre OpenOffice, denn auch dafür gibt es Automationsmöglichkeiten.

[Ralf Stehle]

Mit OpenOffice Dateien zu durchsuchen dauert wahrscheinlich genauso lange wie mit Word. Ich möchte Word-OLE vor allem wegen der Geschwindigkeit nicht benutzen.

Außerdem geht es mir auch darum, den prinzipiellen Aufbau der Worddateien zu verstehen. Wie gesagt, funktioniert die Komponente TMSWordDocument von www.scalabium.com recht gut

[Bernhard Geyer]

Zitat von Ralf Stehle:

Mit OpenOffice Dateien zu durchsuchen dauert wahrscheinlich genauso lange wie mit Word. Ich möchte Word-OLE vor allem wegen der Geschwindigkeit nicht benutzen.

Hat sich beim ersten Post anders angehört.
Oft sind Performanceproblem auf fehlerhafte Implementierung zurück zu führen (z. B. bei Excel arbeiten mit Zellen statt mit Ranges).

[nahpets]

Zitat von Ralf Stehle:

Ich möchte Word-OLE vor allem wegen der Geschwindigkeit nicht benutzen.

Es wird vieeeeeeel schneller, wenn man Word in der Zeit unsichtbar macht.

vorher:  WordApplication.Visible := False; nachher:

Delphi-Quellcode:

  
  WordApplication.Visible := True;
  WordApplication.ShowMe;
  WordApplication.Activate;
  WordDocument.Activate;
  ...
  oder wie auch immer

Die permanente Aktualisierung des Bildschirmes dauert und dauert und dauert...