2

Hasta el momento me funciona bien pero solo cuando uso contenido en ingles. Lo que estoy intentando hacer es subir un archivo word con un input file y este convertirlo en html para poder insertar el html a mi editor de texto(Summernote).

Me guié de este link: https://www.aspsnippets.com/Articles/Convert-Word-Document-Doc-Docx-to-HTML-in-ASPNet-MVC.aspx

public JsonResult ConvertirDocumentoHtml(HttpPostedFileBase archDocu)
    {
        object documentFormat = 8;
        string randomName = DateTime.Now.Ticks.ToString();
        object htmlFilePath = Server.MapPath("~/Temp/") + randomName + ".htm";
        string directoryPath = Server.MapPath("~/Temp/") + randomName + "_files";
        object fileSavePath = Server.MapPath("~/Temp/") + Path.GetFileName(archDocu.FileName);

        //Si el directorio no está presente, créelo.
        if (!Directory.Exists(Server.MapPath("~/Temp/")))
        {
            Directory.CreateDirectory(Server.MapPath("~/Temp/"));
        }

        //Sube el documento de Word y guárdalo en la carpeta Temp.
        archDocu.SaveAs(fileSavePath.ToString());

        //Abra el documento de Word en el fondo..
        _Application applicationclass = new Application();
        applicationclass.Documents.Open(ref fileSavePath);
        applicationclass.Visible = false;
        Document document = applicationclass.ActiveDocument;

        //Guardar el documento de Word como archivo HTML.
        document.SaveAs(ref htmlFilePath, ref documentFormat);

        //Close the word document.
        document.Close();

        //Read the saved Html File.
        string wordHTML = System.IO.File.ReadAllText(htmlFilePath.ToString());

        //Loop and replace the Image Path.
        foreach (Match match in Regex.Matches(wordHTML, "<v:imagedata.+?src=[\"'](.+?)[\"'].*?>", RegexOptions.IgnoreCase))
        {
            wordHTML = Regex.Replace(wordHTML, match.Groups[1].Value, "Temp/" + match.Groups[1].Value);
        }

        //Delete the Uploaded Word File.
        System.IO.File.Delete(fileSavePath.ToString());

        //ViewBag.WordHtml = wordHTML;

        var docuHtml = wordHTML;

        return Json(docuHtml);
    }

introducir la descripción de la imagen aquí

3
  • 1
    si editas con el notepad el archivo html que se genera en la ruta htmlFilePath, puedes ver que los caracteres con acepto se visualizan correctamente ? Commented el 3 ene. 2019 a las 16:01
  • El problema es que cuando obtiene el archivo y lo genera a html ya se muestra con eso caracteres extraños. Commented el 3 ene. 2019 a las 16:04
  • si abres el docx que subes al sitio este se guarda correctamente ? digo puedes ver estos caracteres Commented el 3 ene. 2019 a las 16:14

1 respuesta 1

1

El problema se relaciona con el encoding utilizado cuando se persiste el archivo como html

Podrias probar algo como esto

doc.WebOptions.Encoding = Microsoft.Office.Core.MsoEncoding.msoEncodingUTF8;
doc.SaveAs2("C:\\Temp\\Test.htm", MsWord.WdSaveFormat.wdFormatFilteredHTML);

Save Word to UTF-8 Encoded HTML

aunque tambien el SaveAs tiene este parametro

Document.SaveAs Method

2
  • Gracias me ayuda a orientarme mejor y solucione el problema. Commented el 4 ene. 2019 a las 14:02
  • @Erickchambi Si esta respuesta solucionó tu problema, por favor recuerda aceptar la respuesta. Saludos. Commented el 4 ene. 2019 a las 14:09

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.