Парсинг файлов Word

Парсер поддерживает следующие типы файлов Word:

• .doc, .docx, .docm, и т.п. — «обычные» документы Word
• .rtf, .odt и другие форматы, поддерживаемые Word

Для сбора данных из файлов Word используется стандартный алгоритм парсера файлов, со следующими особенностями:

1. Для чтения файла используется действие «Загрузить содержимое из файла MS Word», с параметром «Тип результата» text или HTML:
    

   Действие	Параметр	Значение
   Загрузить содержимое из файла MS Word	Путь к файлу
   	Запускать новый экземпляр MS Word	нет
   	Открыть в режиме «только чтение»	да
   	Тип результата	text / HTML

   Принудительно закрывать файлы Word не требуется (данные из файла считываются, и файл сразу закрывается)
    

2. Тип результата «text» подойдет для простых документов, где есть к чему привязаться для извлечения значений.
   Например, если данные в документе имеют вид Дата: 25.04.2021, то парсер для получения даты может взять текст между словом Дата: и переводом строки {NL}
   Учитывать стили абзацев в данном случае ни к чему (потому разметка HTML не нужна для парсинга)
    
3. Для документов сложной структуры, или с большим объёмом данных, имеет смысл использовать тип результата HTML, и производить разбор данных из файла с учётом стилей (размер шрифта и т.п.).
   Кроме того, в этом случае есть возможность считывать данные из различных объектов Word, таких как например надписи и колонтитулы.
    
4. Есть возможность выгружать фотографии из документа, при помощи действия «Выгрузить картинки из файла Word»

Примеры настройки парсера файлов Word можно найти в каталоге парсеров файлов:

• парсер пропусков
• парсер дипломов
• парсер базы контактов