调用Microsoft Word可读性统计API返回结果异常的问题

我在调用Microsoft Word内置的可读性统计API时，遇到了ReadabilityStatistics返回结果严重失真的问题。这些文档都是由PDF抓取后转换为.docx格式的，怀疑ReadabilityStatistics在读取文档时提前终止。

代码示例 #

// Open the Word document
Document document = application.Documents.Open(filePath);

// Using ComputeStatistics
int wordCount = document.ComputeStatistics(WdStatistic.wdStatisticWords);
Console.WriteLine("ComputeStatistic Word Count: " + wordCount);
     
// Using Readability Stats
object index = 1;
ReadabilityStatistic readabilityStat = document.ReadabilityStatistics[ref index];

统计结果对比 #

ComputeStatistic Word Count: 64138
Readability Statistic:
Stat Name: Words
Stat Value: 50.878998

这种差异在所有长度的PDF转docx文档中都存在。

可能原因及解决方法 #

1. PDF转docx后的文档格式异常 #

PDF转换工具生成的docx常存在格式问题，比如隐藏文本、异常分节符、空白段落或不可见控件，这些会干扰ReadabilityStatistics的统计逻辑，导致提前终止。

• 检查文档：打开docx，按Ctrl+*显示所有编辑标记，排查是否有大量异常格式元素；手动在Word中运行「审阅→可读性统计」，验证手动结果是否和API一致。
• 修复文档：将文档内容复制到空白原生Word文档（仅保留纯文本/基础格式），或使用Word的「文件→信息→检查问题→检查文档」功能修复格式。

2. ReadabilityStatistics统计规则的兼容性问题 #

ReadabilityStatistics的统计逻辑更偏向原生Word文档，对转换后的非标准文档兼容性较差。

• 替代方案：若仅需单词数，直接使用ComputeStatistics的结果；若需要可读性指标（如Flesch-Kincaid），可先修复文档格式后再调用，或结合ComputeStatistics的单词/句子数自行计算部分可读性指标。

3. API调用细节验证 #

确认ReadabilityStatistics的索引对应正确（用户示例中索引1确实对应"Words"），同时遍历所有统计条目，检查其他指标（如句子数、字符数）是否也存在异常，判断是单一指标问题还是整体统计中断。

内容的提问来源于stack exchange，提问作者Joshua Orndorff