Detectează formatul fișierului și compatibilitatea formatului

Uneori este necesar să determini formatul unui document înainte de deschidere, deoarece extensia fișierului nu garantează că conținutul fișierului este potrivit. De exemplu se ştie că Crystal Reports adesea scoate documente în format RTF dar le dă extensia .doc.

Aspose.Words oferă posibilitatea de a obține informații despre tipul fișierului pentru a evita o excepție dacă nu sunteți siguri de conținutul real al fișierului.

Detectează formatul fișierului fără excepție

Când tratezi cu mai multe documente în diferite formate de fișiere ai nevoie să separi acele fișiere care pot fi procesate de Aspose.Words de cele care nu pot. Vă puteți dori, de asemenea, să știți de ce unele documente nu pot fi procesate.

Dacă încerci să încarci un fişier într-un obiect Document şi Aspose.Words nu poate recunoaşte formatul fişierului sau formatul nu este acceptat, Aspose.Words va arunca o excepţie. Puteți captura aceste excepții și le puteți analiza, dar Aspose.Words oferă, de asemenea, metoda DetectFileFormat care ne permite să determinăm rapid formatul fișierului fără a încărca un document cu posibile excepții. Această metodă returnează un obiect FileFormatInfo care conține informațiile detectate despre tipul de fişier.

DetectFileFormat doar verifică formatul fișierului, dar nu și validarea acestuia. Nu există nicio garanție că fișierul se va deschide cu succes, chiar dacă DetectFileFormat returnează că este unul din formate acceptate. Aceasta este din cauza metodei DetectFileFormat citeste doar datele parțiale de format de fişier, suficiente pentru verificarea formatului fișierului, dar nu suficientă pentru validare completă.

Verifica compatibilitatea formatelor fișierelor

Putem verifica compatibilitatea formatului tuturor fișierelor din folderul selectat și le putem sorta după format în subfolderele corespunzătoare.

Din moment ce lucrăm cu conținut într-un folder, primul lucru pe care trebuie să-l facem este să obținem o colecție de toate fișierele din acest folder folosind metoda GetFiles a clasei Directory (din spațiul de nume System.IO).

Exemplul următor de cod arată cum să obții o listă cu toate fișierele din dosar:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-.NET.git.
IEnumerable<string> fileList = Directory.GetFiles(MyDir).Where(name => !name.EndsWith("Corrupted document.docx"));

Când toate fișierele sunt colectate, restul muncii este făcut de DetectFileFormat metoda care verifică formatul fișierului.

Exemplul de cod de mai jos arată cum să parcurgem lista colectată de fișiere, să verificăm formatul fiecărui fișier și să mutăm fiecare fișier în folderul corespunzător:

// For complete examples and data files, please go to https://github.com/aspose-words/Aspose.Words-for-.NET.git.
string supportedDir = ArtifactsDir + "Supported";
string unknownDir = ArtifactsDir + "Unknown";
string encryptedDir = ArtifactsDir + "Encrypted";
string pre97Dir = ArtifactsDir + "Pre97";

// Create the directories if they do not already exist.
if (Directory.Exists(supportedDir) == false)
    Directory.CreateDirectory(supportedDir);
if (Directory.Exists(unknownDir) == false)
    Directory.CreateDirectory(unknownDir);
if (Directory.Exists(encryptedDir) == false)
    Directory.CreateDirectory(encryptedDir);
if (Directory.Exists(pre97Dir) == false)
    Directory.CreateDirectory(pre97Dir);

IEnumerable<string> fileList = Directory.GetFiles(MyDir).Where(name => !name.EndsWith("Corrupted document.docx"));
foreach (string fileName in fileList)
{
    string nameOnly = Path.GetFileName(fileName);
    
    Console.Write(nameOnly);
    FileFormatInfo info = FileFormatUtil.DetectFileFormat(fileName);

    // Display the document type
    switch (info.LoadFormat)
    {
        case LoadFormat.Doc:
            Console.WriteLine("\tMicrosoft Word 97-2003 document.");
            break;
        case LoadFormat.Dot:
            Console.WriteLine("\tMicrosoft Word 97-2003 template.");
            break;
        case LoadFormat.Docx:
            Console.WriteLine("\tOffice Open XML WordprocessingML Macro-Free Document.");
            break;
        case LoadFormat.Docm:
            Console.WriteLine("\tOffice Open XML WordprocessingML Macro-Enabled Document.");
            break;
        case LoadFormat.Dotx:
            Console.WriteLine("\tOffice Open XML WordprocessingML Macro-Free Template.");
            break;
        case LoadFormat.Dotm:
            Console.WriteLine("\tOffice Open XML WordprocessingML Macro-Enabled Template.");
            break;
        case LoadFormat.FlatOpc:
            Console.WriteLine("\tFlat OPC document.");
            break;
        case LoadFormat.Rtf:
            Console.WriteLine("\tRTF format.");
            break;
        case LoadFormat.WordML:
            Console.WriteLine("\tMicrosoft Word 2003 WordprocessingML format.");
            break;
        case LoadFormat.Html:
            Console.WriteLine("\tHTML format.");
            break;
        case LoadFormat.Mhtml:
            Console.WriteLine("\tMHTML (Web archive) format.");
            break;
        case LoadFormat.Odt:
            Console.WriteLine("\tOpenDocument Text.");
            break;
        case LoadFormat.Ott:
            Console.WriteLine("\tOpenDocument Text Template.");
            break;
        case LoadFormat.DocPreWord60:
            Console.WriteLine("\tMS Word 6 or Word 95 format.");
            break;
        case LoadFormat.Unknown:
            Console.WriteLine("\tUnknown format.");
            break;
    }

    if (info.IsEncrypted)
    {
        Console.WriteLine("\tAn encrypted document.");
        File.Copy(fileName, Path.Combine(encryptedDir, nameOnly), true);
    }
    else
    {
        switch (info.LoadFormat)
        {
            case LoadFormat.DocPreWord60:
                File.Copy(fileName, Path.Combine(pre97Dir, nameOnly), true);
                break;
            case LoadFormat.Unknown:
                File.Copy(fileName, Path.Combine(unknownDir, nameOnly), true);
                break;
            default:
                File.Copy(fileName, Path.Combine(supportedDir, nameOnly), true);
                break;
        }
    }
}

Fișierele sunt mutate în subfoldere adecvate folosind metoda Move a clasei File, din același spațiu de nume System.IO.

Următoarele fișiere sunt folosite în exemplul de mai sus. Numele fișierului este pe stânga și descrierea sa este pe dreapta:

Group din fișiere	Document de intrare	Tip
Formatelor de fișiere suportate	Test File (Doc).doc	Microsoft Word 95/6.0 sau Microsoft Word 97 - 2003 document.
	Test File (Dot).dot	Microsoft Word 95/6.0 sau Microsoft Word 97-2003 șablon.
	Test File (Docx).docx	Office Open XML WordprocessingML document fără macro comenzi.
	Test File (Docm)".docm	Document de procesare a textului Office Open XML cu macro-uri.
	Test File (Dotx).dotx	Office Open XML WordprocessingML șablon.
	Test File (Dotm).dotm	Office Open XML WordprocessingML șablon cu macro-uri.
	Test File (XML).xml	Document FlatOPC OOXML.
	Test File (RTF)	Documente în format RichText.
	Test File (WordML).xml	Microsoft Word 2003 WordprocessingML document.
	Test File (HTML).html	Document HTML.
	Test File (MHTML).mhtml	Document de arhivă web.
	Test File (Odt)".odt	OpenDocument Text (OpenOffice Writer).
	Test fișier (Ott). ott	OpenDocument Template.
	Fișier Test (DocPreWord60). doc	Microsoft Word 2.0 document.
Documente criptate	Test File (Enc). doc	Encryptat Microsoft Word 95/6.0 sau Microsoft Word 97 – 2003 document.
	Test File (Enc).docx	Document Microsoft Office Open XML criptat WordprocessingML.
Formate de fişier neacceptate	Test File (JPG).jpg	Fișier imagine JPEG.