c# - 从各种文档类型中删除文本

Question

我正在编写一个 C# asp.net Web 应用程序，它接收各种格式的简历，即 doc、docx、pdf、文本等。

我想知道是否有一种简单的方法可以从文档中删除某些信息，无论它是什么文件类型，然后将编辑后的文件传递给最终用户？

要删除的信息将保存在一个字符串中

Answer 1

您将需要使用单独的 API 解析每种文件类型。

• .docx 可以使用以下方式解析：http: //docx.codeplex.com/
• .pdf 可以使用以下方式解析：http ://www.pdfsharp.net/
• 等等

Answer 2

如果您使用流式阅读器 (http://msdn.microsoft.com/en-us/library/system.io.streamreader.aspx) 阅读文档，则可以使用 ReadToEnd 函数将所有内容存储在字符串中，然后使用功能：

 MyString.Replace("Something to replace", "");

删除匹配项。如果文件格式无法作为字符串读取，则必须考虑不同的选项。但是，考虑到文件格式，可能有更快的解决方案，并且可能不会简单地存储。