解析WordprocessingML（一）查找和替换
替换文本，在平时很简单的问题，如果通过wordProcessingML操作，可能就变成word操作中最复杂的问题了。
因为字体、拼写检测等细微的差别，word中在一起的字符串，转到xml时有可能会封装到几个<w:r>中。这就给替换带来很大难度，使原本简单的问题变的复杂。
如：[pr:test/]有可能会被分解到三个<w:r>,还可能更多。最多会分散到n！个<w:r>中,n是标记包含的字符数。
这就给找到匹配增加了难度，也很难保留原来的word格式。
为了实现Doc的随机读写，只能用xpath，下面是[pr:test/]在word xml中的一种情况
<w:r> <w:rPr> <w:rFonts w:ascii="新宋体" w:fareast="新宋体"/> <wx:font wx:val="新宋体" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"/> <w:noProof/> <w:color w:val="A31515"/> <w:kern w:val="0"/> <w:sz w:val="18"/> <w:sz-cs w:val="18"/> </w:rPr> <w:t>[pr</w:t> </w:r> <w:r> <w:rPr> <w:rFonts w:ascii="新宋体" w:fareast="新宋体" w:hint="fareast"/> <wx:font wx:val="新宋体" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"/> <w:noProof/> <w:color w:val="A31515"/> <w:kern w:val="0"/> <w:sz w:val="18"/> <w:sz-cs w:val="18"/> </w:rPr> <w:t>:</w:t> </w:r> <w:r> <w:rPr> <w:rFonts w:ascii="新宋体" w:fareast="新宋体"/> <wx:font wx:val="新宋体" xmlns:wx="http://schemas.microsoft.com/office/word/2003/auxHint"/> <w:noProof/> <w:color w:val="A31515"/> <w:kern w:val="0"/> <w:sz w:val="18"/> <w:sz-cs w:val="18"/> </w:rPr> <w:t>test/]</w:t> </w:r>我到目前想到了三种解决方案：
第一种最快，但是他只能解决标记位于一个<w:r>中的情况：
public string ReplaceMarker(MarkerValueCollection mvc,bool isVerify)
{
_mvc = mvc; string[] marker = mvc.AllKeys; if (isVerify)
{
VerifyMarker(marker);
} string text = _wordParser.WordDoc.InnerXml; MatchEvaluator me = new MatchEvaluator(ReplaceText); string newtext = Regex.Replace(text, _findMarker, me); return newtext; 
} private string ReplaceText(Match m) { if (_mvc.Get(new CommonMarker(m.ToString())) == null) { return m.ToString(); } else { return _mvc.Get(new CommonMarker(m.ToString())); } }因为假设标记位于是连续的，所以把xml当作纯文本，用正则表达式替换就可以了。
第二中方案，可以解决段落中含有[],[/],[[pr:test/]/]的情况，标记中的个字符可以分散到任意个<w:r>，但是要求段中不能包含不匹配的[和]。
/// <summary> /// 替换给定段落中的值一次 /// </summary> /// <param name="paragraph">段落节点</param> /// <param name="marker">标记</param> /// <param name="value">替换的值</param> /// <returns></returns> ///<remarks>标记的begin,end不能有不匹配。</remarks> private XmlNode ReplaceMarkerOnce(XmlNode paragraph, string marker, string value) { CommonMarker cmarker = new CommonMarker(marker); XmlNodeList wrs = ((XmlElement)paragraph).GetElementsByTagName("w:r"); for (int i = 0; i < wrs.Count; i++) { if (wrs[i].InnerText.IndexOf(marker) >= 0) { wrs[i].InnerXml = string.Format(@"<w:t>{0}</w:t>", wrs[i].InnerText.Replace(marker, value)); } } IList<int> begins = new List<int>(); IList<int> ends = new List<int>(); for (int i = 0; i < wrs.Count; i++) { if (wrs[i].InnerText.IndexOf(cmarker.Begin) >= 0) { begins.Add(i); } if (wrs[i].InnerText.IndexOf(cmarker.End) >= 0) { ends.Add(i); } } if (begins.Count != ends.Count) { throw new ApplicationException("段落中有不匹配的标记"); } else { for (int i = 0; i < begins.Count; i++) { string t = ""; Stack<XmlNode> rs = new Stack<XmlNode>(); for (int j = begins[i]; j <= ends[i]; j++) { rs.Push(wrs[j]); t = t + wrs[j].InnerText; } if (t.IndexOf(cmarker.ToString()) >= 0) { XmlNode xn = rs.Pop();//把最后一个r保留 //替换 xn.InnerXml = string.Format(@"<w:t>{0}</w:t>", t.Replace(cmarker.ToString(), value)); while (rs.Count > 0) { XmlNode r = rs.Pop(); //移出的r paragraph.RemoveChild(r); } return paragraph; } } } return paragraph; }/// <summary> /// 替换给定段落中的标记 /// </summary> /// <param name="paragraph">段落节点</param> /// <param name="marker">标记</param> /// <param name="value">替换的值</param> /// <returns></returns> ///<remarks>标记的begin,end不能有不匹配。</remarks> public XmlNode ReplaceMarker(XmlNode paragraph, string marker, string value) { CommonMarker cmarker = new CommonMarker(marker); string x = paragraph.InnerText; int count = Regex.Matches(x, cmarker.Reg).Count; XmlNode xn = paragraph; for (int i = 0; i < count; i++) { replce(xn, marker, value); xn = ReplaceMarkerOnce(xn, cmarker.ToString(), value); } } 思路是：一次仅替换一个标记一次。因为假定标记成对出现，可以根据其实标记的位置，把属于同一个标记的各个<w:r>节点入栈，并且只保留栈顶的节点，把其他节点的值放到栈顶节点，删除其他节点。这样就把标记规范化了，即把分散到多个的<w:r>的标记合并到一个<w:r>。
第三种解决方案，目前似乎可以解决上面所有的问题。在包含“大幅度d[][[pr:test/]sfsad[][[pr:test1/]/][[pr:test/] test1dfdfd的的[pr:tesdfd1/]”的word文本中可以正确识别标记。
public XmlNode ReplaceMarker(XmlNode paragraph, CommonMarker cmarker, string value) { XmlNodeList wts = ((XmlElement)paragraph).GetElementsByTagName("w:t"); //校验 Stack<XmlNode> xn = new Stack<XmlNode>(); foreach (XmlNode wt in wts) { string t = wt.InnerText; if (t.IndexOf(cmarker.ToString()) >= 0)//不用调整 { wt.InnerText = t.Replace(cmarker.ToString(), value); break; } bool isAdd = false; for (int i = 0; i < t.Length; i++) { if (t[i] == cmarker.begin[0]) { xn.Clear(); xn.Push(wt); isAdd = true;// } else if (t[i] == cmarker.end[1] && t[i - 1] == cmarker.end[0]) { string mk = ""; foreach (XmlNode xt in xn) { mk = xt.InnerText + mk; } if (mk.IndexOf(cmarker.ToString()) >= 0) { xn.Pop().InnerText = mk.Replace(cmarker.ToString(), value); //处理栈内容,清空栈 while (xn.Count > 0) { XmlNode xr = xn.Pop().ParentNode; //wr XmlNode pa = xr.ParentNode; pa.RemoveChild(xr); } } //包含[/]但是不匹配此标记，跳过 } else { if (xn.Count != 0) { if (!isAdd) { xn.Push(wt); isAdd = true; } } } } } return paragraph; } 思路：思路和第二中类似，都是先规范标记，把分散到多个的<w:r>的标记合并到一个<w:r>。不同的是对包含标记的段落执行逐字符匹配，如果匹配开始标记，则入栈，碰到结束标记则出栈，解析栈中的节点。
调整后的xml是：
替换中出现的难点是：
1、 尽可能的保留word格式，如果只保留段格式，第一中方案就可以了，后两种只是为了尽可能保留段内文本的word格式，单仍有破坏（这是不可能避免的，最小化的破坏格式）。
2、 从word中抽出的节点，被修改后还能放到原来的位置，这就使功能强大的正则很难使用。
总：第三种是比较好的解决替换的方法，不知道大家还有什么好思路？我已经为它头疼两周了，一直找不到更好的算法。
第三种方法是刚想到的，我现在觉的还行，有人有更好的解决方式，一定要留言啊！
解析WordprocessingML（一）查找和替换
http://www.cnblogs.com/bluewater/admin/EditPosts.aspx?postid=627710
解析WordprocessingML（三）解析WordMl的基本方法和途径（a）
http://www.cnblogs.com/bluewater/archive/2007/03/02/661824.html
解析WordprocessingML（三）解析WordMl的基本方法和途径（b）
http://www.cnblogs.com/bluewater/archive/2007/03/02/661885.html
解析WordprocessingML（四）转换到Html格式
