C#操作RTF文档分析和总结.docxVIP

C#操作 RTF 文档 袁永福 2007-10-20 笔者正在用 C#开发一个名为 XWriter 的文本编辑器(点击下载)，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