用于从 Open XML 文件格式中提取纯文本的 ASP.NET 库
是否有一个预先存在的库可以从 Open XML 文件格式（例如 docx、pptx 和 xlsx）文件中提取纯文本？
我需要它来填充 lucene.net 索引。
我找到了这个 从 docx 中提取文本的示例，它似乎有效好的。但在基于此构建我自己的解决方案之前，我想知道是否有其他文件格式可用的东西？
Is there a pre-existing library to extract plain text form Open XML file formats (e.g. docx, pptx, and xlsx) files?
I require this to populate a lucene.net index.
I've found this example which extracts text from docx and it seems to work okay. But before building my own solution based on this I was wondering if there's something already available for the other file formats?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（3）
在花钱之前，可能值得看看 IFilter 界面 - 这些界面旨在完全满足您的需求。
http://msdn.microsoft.com/en-us/library/ms691105
http://www.codeproject.com/KB/cs/IFilter.aspx
（代码项目链接底部的一些链接）。
MS 为 Office 文件类型提供 IFilter。
http://www.microsoft.com/downloads/details.aspx microsoft.com/downloads/details.aspx?familyid=60c92a37-719c-4077-b5c6-cac34f4227cc&displaylang=en
我知道我们使用这项技术来允许我们使用 Lucene 索引 PDF，但我没有编写实际的代码恐怕没有多大用处。
如果您的 Google 能力很强，我相信您可以挖掘更多使用 IFilter 的示例来完全实现您想要的功能。
Before spending cash, it may be worth looking at the IFilter interface - these were/are designed to do exactly what you want.
http://msdn.microsoft.com/en-us/library/ms691105
http://www.codeproject.com/KB/cs/IFilter.aspx
(Some links at the bottom of the codeprject link).
MS provide IFilters for office file types.
http://www.microsoft.com/downloads/details.aspx?familyid=60c92a37-719c-4077-b5c6-cac34f4227cc&displaylang=en
I know that we use this technology to allow us to index PDFs using Lucene but I did not write the actual code and cannot be of much use I am afraid.
If your Google-fu is strong I am sure you can dig up more examples of using IFilters to do exactly what you want.
观看 aspose.com，他们有一个很好的库来处理 ppt 和 pptx。
watch aspose.com, they have a good library to handle both ppt and pptx.
您可以尝试 Toxy，一个用于 .NET 的开源文本/数据提取框架。目前，它支持 xls、xlsx、doc、docx。很快就会在 1.5 版本中支持 pptx。
有关详细信息，您可以查看此处
You can try Toxy, an open source text/data extraction framework for .NET. For now, it supports xls, xlsx, doc, docx. It will support pptx in version 1.5 very soon.
For detail, you can check here