使用C# Interop转换Word文档为文本时如何忽略图片？

当前我的代码可成功将Word文档（.docx）中的所有文本转换为.txt格式的纯文本，但文档中的图片会在输出文件中被替换为'/'。请问如何实现忽略图片？

用户提供的代码片段：

Word.Application app = new Word.Application(); 
Word.Document doc; 
object missing = Type.Missing; 
object readOnly = true; 
doc = app.Documents.Open(ref path, ref missing, ref readOnly, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing); 
string text = doc.Content.Text; 
System.IO.File.WriteAllText(txtPath, text); 
Console.WriteLine("File converted to .txt!"); 

嘿，这个问题我之前踩过坑！你现在直接用doc.Content.Text会把Word里所有内容的内部占位符都捞出来，那些烦人的/就是图片对象在Word里的标记。要彻底忽略图片，得换个思路——别直接取整个文档的文本，而是遍历文档内容，只保留没有图片的部分。

给你改了代码，不仅能过滤掉图片，还能避免残留Word进程（这个坑很多人都没注意到）：

using System.Text;
using System.Runtime.InteropServices; // 需要引用这个命名空间来释放COM对象

// ... 你的其他代码 ...

Word.Application app = new Word.Application();
Word.Document doc = null;
object missing = Type.Missing;
object readOnly = true;

try
{
    doc = app.Documents.Open(ref path, ref missing, ref readOnly, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing);
    
    // 用StringBuilder拼接文本，大文档处理更高效
    StringBuilder pureText = new StringBuilder();
    
    // 遍历每个段落，检查是否包含图片
    foreach (Word.Paragraph para in doc.Paragraphs)
    {
        // 检查段落里有没有嵌入式图片（InlineShapes）或浮动图片（ShapeRange）
        bool hasImage = para.Range.InlineShapes.Count > 0 || para.Range.ShapeRange.Count > 0;
        
        if (!hasImage)
        {
            // 去掉段落末尾多余的换行符，再添加到结果里
            string paraText = para.Range.Text.TrimEnd('\r', '\n');
            if (!string.IsNullOrWhiteSpace(paraText))
            {
                pureText.AppendLine(paraText);
            }
        }
        // 如果段落有图片，直接跳过整个段落；要是你想保留段落里的其他文本，可以再细化处理
    }
    
    System.IO.File.WriteAllText(txtPath, pureText.ToString());
    Console.WriteLine("File converted to .txt without images!");
}
finally
{
    // 必须关闭文档和Word应用，不然后台会残留winword.exe进程
    if (doc != null)
    {
        doc.Close(ref missing, ref missing, ref missing);
        Marshal.ReleaseComObject(doc);
    }
    if (app != null)
    {
        app.Quit(ref missing, ref missing, ref missing);
        Marshal.ReleaseComObject(app);
    }
}

关键说明： #

• 用StringBuilder代替直接字符串拼接，处理大文档时性能提升明显
• 同时检查InlineShapes（嵌入式图片）和ShapeRange（浮动图片），确保所有类型的图片都能被识别跳过
• 加上finally块释放COM对象，避免Word进程在后台残留——这个细节真的很重要，不然任务管理器里会一堆winword.exe占资源
• 如果你的需求是保留段落里的文本，只去掉图片占位符（而不是跳过整个段落），可以再细化遍历段落里的每个Inline对象，只跳过图片类型的元素，不过一般转TXT的话，跳过有图片的段落已经够用了

内容的提问来源于stack exchange，提问作者Justin Braham