读取 .NET 中的文档
我可以使用 Microsoft Word 本身支持的 Word 互操作打开任何文件格式吗？
我的任务看起来很简单，我需要从常用的任何类型的文档中读取文本，仅文本（根据内容比较文档）。有没有比上面提到的 Word Iterop 更容易做到这一点的方法？是否有任何免费库可以做到这一点？或者打开任何（.doc、.docx、.pdf、.rtf、openoffice 文档等）文档类型？我忙着寻找，但还没有找到太多的解决方案，而且我也没有能力去研究所有格式的800页规范。
PS：单独处理 pdf 是可以的，并且拥有所有类型的库。
Can I open any file formats with Word interop that Microsoft Word itself supports?
My task looks very simple, I need to read text, only text, from any type of documents commonly used (to compare the documents based on content). Is there a way I can do this easier than the above mentioned Word Iterop? Are there any free libraries to do this? Or to open any (.doc, .docx, .pdf, .rtf, openoffice docs, etc.) document types? I'm busy looking, but haven't found too many solutions yet, and I can't afford studying the 800-page specifications of all the formats.
P.S.: Handling pdf separately is OK, as well as having libraries for all the types.
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（1）
我正在开发一个名为 Toxy 的新框架。它的目标是从各种文档中提取数据/文本，就像你提到的那样。第一个版本将于明年初发布。（可能是二月）您可以在这里找到一些实现：https://github .com/tonyqus/toxy。但现在还没有准备好。
I'm working on a new framework called Toxy. The goal of it is to extract data/text from various documents like what you mentioned. The first release will be available early next year.(maybe Feb.) You can find some implementation here: https://github.com/tonyqus/toxy. But it's not ready for now.