Discussion :

[devroot]

Bonjour tout le monde,

J'élabore un module d'extraction de texte de documents
Word mais je ne veux pas avoir à exploiter Word pour ce
faire.

En cherchant sur le net j'ai constaté que rares sont les softs
qui taclent directement les documents (PowerGrep par ex.).

Il y a quelques temps, j'ai trouvé comment extraire le texte de
documents RTF. Mais avec Word les choses sont plus compliquées :
le texte n'est pas simplement balisé mais carrément compressé il
me semble.

Des idées ?

[gil38]

Salut
quelle version de word utilises tu ?
Car à partir de la 2003 tu peux faire des recherches dans le fichier xml.
Pour les versions antérieures , je pense qu'il faut passer par OLE et piloter WORD.

[devroot]

Personnellement j'utilise Office XP mais je ne préfère pas
restreindre mon programme d'extraction à une seule version
de Word.
Quant à OLE, je cherche justement à éviter d'exploiter le
programme Word de près ou de loin pour l'extraction de texte.
C'est evidemment là que ça se complique...

[poukill]

Le fomat Word est connu par Microsoft, et seulement Microsoft. Je ne vois pas comment c'est possible de récupérer du texte alors qu'on ne connait pas le "protocole" : en-tête, etc...

On ne peut pas plus le lire qu'en créer, il faudrait savoir comment est foutu l'en-tête!

[devroot]

J'ai trouvé le site suivant avec des tas de descriptions de formats
mais les plus récents formats de Word n'y sont pas :

http://www.wotsit.org/list.asp?fc=10

[poukill]

J'ai trouvé le site suivant avec des tas de descriptions de formats
mais les plus récents formats de Word n'y sont pas :

http://www.wotsit.org/list.asp?fc=10

Normal.... Microsoft ne va pas dévoiler son architecture comme ça !^^