C# 將 Word 文檔導入資料庫並完整保留格式的實作方案

問題背景

在 C# 開發中，常遇到需將 Word 文檔（特別是包含巢狀表格、複雜排版的文檔）匯入資料庫並保留原始格式的需求。使用 Microsoft.Office.Interop.Word 直接讀取儲存格文字（Range.Text）會導致格式資訊遺失，如下程式碼所示：

for (int rowPos = 1; rowPos <= nowTable.Rows.Count; rowPos++) {
    Word.Row rows = nowTable.Rows[rowPos];
    if (rows != null) {
        nm.CONTENT = nowTable.Cell(rowPos, 2).Range.Text;
    }
}

此方式僅能取得純文字，無法保留表格結構、字型、顏色、巢狀表格等格式資訊。

解決方案：轉換為 HTML 後存儲

最佳實踐是將 Word 文檔轉換為 HTML 格式，再將 HTML 完整存入資料庫欄位。具體步驟如下：

1. 使用 Interop 或第三方庫（如 Aspose.Words、NPOI）將 Word 文檔另存為 HTML 檔案。
2. 透過 File.ReadAllText 或 Stream 讀取 HTML 內容。
3. 將 HTML 字串直接寫入資料庫的大文字段（如 NVARCHAR(MAX) 或 TEXT）。

進階需求：固定欄位對應入庫

若需將文檔中特定結構化內容（如表格特定儲存格）對應到資料庫的不同欄位，可在轉 HTML 後，使用正則表達式或 HTML 解析器（如 HtmlAgilityPack）提取目標片段，再分別存入對應欄位。

優勢總結

• 完整保留原始排版、巢狀表格、樣式等複雜格式。
• 前端直接渲染 HTML 即可還原文檔外觀，無需額外解析。
• 支援全文檢索、版本比對等進階功能。