Visual Studio下批量检索22000+Word文档的代码提速咨询

嘿，咱先拆解下你当前代码速度慢的核心原因，然后给你几个立竿见影的优化方案！

现有代码的主要性能瓶颈 #

• 每次循环新建Word进程：你现在每处理一个文档就创建一个Microsoft.Office.Interop.Word.Application实例，启动Word进程本身就巨耗时间，22000次启动/关闭的开销直接拉满。
• 逐个遍历文档单词：document.Words.Count遍历+嵌套关键词循环，相当于把每个文档的每个单词都过一遍，效率极低——Word本身内置了优化的查找功能，完全没必要自己造轮子。
• 频繁IO操作：每次找到匹配就打开/关闭StreamWriter，磁盘IO是出了名的慢，反复操作会严重拖后腿。
• Interop本身的开销：COM交互的 overhead 本来就高，批量处理大文件时尤其明显。

优化方案1：优化Interop代码（快速见效） #

先把最影响速度的几个点改掉，不用换技术栈就能大幅提速：

string docPath = "V:\\Myfolder";
string writeFile = "N:\\Personal\\DB Development\\SensitivePatients.txt";
long x = 0;
string[] words = { "ige", "itu", "cop", "home", "ild" };

// 只创建一次Word应用实例，复用它！
var wordApp = new Microsoft.Office.Interop.Word.Application();
wordApp.Visible = false; // 不要显示Word窗口，减少资源占用
wordApp.DisplayAlerts = Microsoft.Office.Interop.Word.WdAlertLevel.wdAlertsNone; // 禁用弹窗提示

// 提前准备StreamWriter，全程只打开一次，减少IO开销
using (var streamWriter = new StreamWriter(writeFile, true))
{
    foreach (var myfile in Directory.EnumerateFiles(docPath, "*.doc*"))
    {
        Console.WriteLine($"Processing file {x++}: {myfile}");
        Microsoft.Office.Interop.Word.Document document = null;
        try
        {
            // 打开文档时设置更多优化参数
            document = wordApp.Documents.Open(
                FileName: myfile,
                ReadOnly: true,
                AddToRecentFiles: false,
                Visible: false
            );

            // 用Word内置的Find功能代替逐个遍历单词，速度快N倍
            foreach (string w in words)
            {
                var findObj = document.Content.Find;
                findObj.ClearFormatting();
                findObj.Text = w;
                findObj.MatchCase = false; // 忽略大小写
                findObj.MatchWholeWord = false; // 允许部分匹配（如果需要全词匹配就设为true）

                // 查找所有匹配项
                while (findObj.Execute())
                {
                    streamWriter.WriteLine(myfile);
                    streamWriter.WriteLine(findObj.Parent.Text); // 输出匹配的文本
                }
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error processing {myfile}: {ex.Message}");
        }
        finally
        {
            // 务必关闭文档并释放COM对象，防止内存泄漏
            if (document != null)
            {
                document.Close(SaveChanges: false);
                System.Runtime.InteropServices.Marshal.ReleaseComObject(document);
            }
        }
    }
}

// 最后再退出Word应用
wordApp.Quit();
System.Runtime.InteropServices.Marshal.ReleaseComObject(wordApp);

优化方案2：改用Open XML SDK（终极提速） #

如果Interop的速度还是达不到你的要求，推荐用Open XML SDK——它直接操作Word的底层XML结构，不需要启动Word进程，速度能提升好几倍，而且不需要安装Office（服务器环境友好）。

首先需要安装NuGet包：DocumentFormat.OpenXml

然后是示例代码：

using DocumentFormat.OpenXml.Packaging;
using DocumentFormat.OpenXml.Wordprocessing;
using System.Text.RegularExpressions;

string docPath = "V:\\Myfolder";
string writeFile = "N:\\Personal\\DB Development\\SensitivePatients.txt";
long x = 0;
string[] words = { "ige", "itu", "cop", "home", "ild" };

// 合并关键词为正则表达式，一次匹配多个
var pattern = string.Join("|", words.Select(w => Regex.Escape(w)));
var regex = new Regex(pattern, RegexOptions.IgnoreCase | RegexOptions.Compiled);

using (var streamWriter = new StreamWriter(writeFile, true))
{
    foreach (var myfile in Directory.EnumerateFiles(docPath, "*.doc*"))
    {
        Console.WriteLine($"Processing file {x++}: {myfile}");
        try
        {
            // 直接打开Word文档的XML包
            using (var wordDoc = WordprocessingDocument.Open(myfile, isReadOnly: true))
            {
                var mainPart = wordDoc.MainDocumentPart;
                if (mainPart == null) continue;

                // 提取文档所有文本
                var text = mainPart.Document.InnerText;

                // 查找所有匹配项
                var matches = regex.Matches(text);
                if (matches.Count > 0)
                {
                    foreach (Match match in matches)
                    {
                        streamWriter.WriteLine(myfile);
                        streamWriter.WriteLine(match.Value);
                    }
                }
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error processing {myfile}: {ex.Message}");
        }
    }
}

额外小技巧 #

• 如果只需要判断文档是否包含关键词（不需要具体匹配文本），可以在找到第一个匹配后就停止查找，进一步节省时间。
• 可以并行处理文档（用Parallel.ForEach），但要注意：Interop的话不能多线程共用同一个Application实例，得每个线程单独创建；Open XML是线程安全的，并行效果更好。
• 尽量避免在循环里做Console.WriteLine，或者批量输出，因为控制台输出也会拖慢速度。

内容的提问来源于stack exchange，提问作者faulks