c# - 使用 c# 从文档中获取纯文本

Question

如何从消除所有图像或表格或图形的文档中获取纯字符串。我将操作并创建这些文档的单词列表。所以我只需要使用 C# 的文档的文本部分

score 1 · Accepted Answer

您可能需要查看IFilters。它们是大多数搜索索引器从 Windows 上的文档中访问纯文本的方式。这是一个教程和示例项目，其中包含可用于从 Office 文档和 PDF 等中提取文本的源代码。

您只需要确保您的机器上安装了正确的 IFilter。Microsoft为 Office 文档提供了一组免费的过滤器。Adobe还提供了一个过滤器，但它完全是垃圾。如果可以，请尝试FoxIt IFilter，它会好得多。

score 0 · Accepted Answer

您必须支持每个文档的特定格式；没有读取所有文档格式的通用方法。
例如，Microsoft Office Word 文档文件需要由它们自己的库来解释，而不是 OpenOffice 文档文件。

2 回答 2