使用C#编程对RTF文档进行操作.docVIP

笔者正在用C#开发一个名为XWriter的文本编辑器，其中需要提供对RTF文档的支持，以前从没有搞过RTF文档，因此临时突击研究了一下，经过几天的学习研究和实践，对C#操作RTF文档有所了解，因此才可以写出此文给予说明，希望能对其他人学习RTF文档格式有所帮助。 　　RTF文档格式是微软提出的一种用于描述带格式文本的文档格式，上个世纪就提出来了，一直用到现在，而且很多程序都支持这种格式，微软的Office软件家族，Windows写字板软件等等都支持，而且Windows操作系统的剪切板和OLE拖拽操作也支持RTF文档，这样就允许不同的软件通过RTF格式相互交流带格式文本。比如我用的VS.NET2003中的C#代码编辑器，在其中复制了一段代码文本，在MS Word中粘贴所得就是具有高亮度显示的文本。因此RTF格式的作用还是不小的，而且RTF格式是纯文本格式，不是二进制格式，读写都不算难。 　　RTF文档格式和HTML,XML之类的标记语言有点类似，原理不复杂，但内容还是比较多的，在微软的MSND中就有文章详细的介绍了RTF格式，地址是 ms-help://MS.MSDNQTR.2003FEB.2052/dnrtfspec/html/rtfspec.htm ,你用记事本打开一个RTF文档，可以发现其中也是纯文本数据，而且一般全是ANSI字符，RTF文档一般采用ASNI字符编码格式进行存储，其中是不能直接保存汉字等编码大于127的字符，要保存得使用转义字符。RTF文档中使用一对花括号{ }来定义一个组，组可以套嵌定义;用\来开始定义一个指令和转义字符;此外还能包含纯文本数据。所有的指令和转义字符都必须包含在一个组中，一个RTF文档只有一个根组，这点有点类似XML文档只能有一个根节点的规定。 　　我们使用Windows写字板新建一个RTF文档，只输入Hellow文本，设置文本颜色为蓝色，然后保存，然后使用记事本打开刚刚保存的RTF文件，此时就能看到一个最简单的RTF文档的内容了，其内容如下。 　　{ 　　\rtf1\ansi\ansicpg936\deff0\deflang1033\deflangfe2052 　　{\fonttbl 　　{\f0\fmodern\fprq6\fcharset134 \cb\ce\cc\e5;} 　　} 　　{\colortbl ;\red0\green0\blue255;} 　　{\*\generator Msftedit 507;} 　　\viewkind4\uc1\pard\cf1\lang2052\f0\fs20 Hellow\cf0\par 　　} 　　此处为了便于阅读，对代码进行了缩进处理，实际上RTF文档中空白字符是会影响到显示结果的，一般实际生成RTF文档时不要添加额外的空白字符。 　　这段RTF代码第一行和最后一行是表示根组的花括号，然后是\开头的指令，指令名称全部由英文字母组成，若指令后面跟着若干个数字，则这些数字就是指令的参数。比如\rtf1,这个指令名称是rtf,参数值是1;而\ansi指令名称是ansi，没有参数。 　　指令\rtf是每个RTF文档必备的，而且总是第一个指令，因此可以看作RTF文档的文件头标记。若一个RTF文档第一个指令不是rtf指令，则可以认为这个RTF文档是不合法的。 　　指令\ansicpg就是说明该RTF文档的内容的编码格式，参数就是编码格式编号，例如\ansicpg936就是指明编码格式为936号字符集，对于C#程序来说，就是库函数 System.Text.Encoding.GetEncoding( 936 ) 的返回结果，也就是GB2312编码格式。RTF文档本身肯定是使用标准的ANSI格式保存的，此处指明的字符编码格式是用于处理RTF文档中的转义字符的，比如代码中由连续的转义字符 \cb\ce\cc\e5 ,程序解析RTF文档时，应当将这一串转义字符生成一个字节数组，内容为 0xcb,0xce,0xcc,0xe5，然后使用第936号编码格式对象的GetString( byte[] )函数来还原所存储的字符串，也就是宋体两个字。这点比HTML的转义字符处理要麻烦一些，HTML转义字符是一个指令定义一个字符，而RTF中的是一个指令定义一个字节，而汉字是双字节的字符编码，转化前还得设法获得完整的字节序列。 　　指令\fonttbl定义了文档中使用的所有的字体的列表，RTF文本内容引用这个字体列表来获得显示文档使用的字体，这和HTML文档中统一定义CSS样式有点类似。fonttbl组中由若干个子组，每个子组定义一个字体，字体定义组的第一个指令为\f，带有一个参数指明字体的编号，比如\f0指明这个字体编号为0，\f1指明字体编号为1。字体定义组还定义了关于字