是否有预先存在的库来提取纯文本格式的Open XML文件格式（例如docx，pptx和xlsx）文件？
我要求填充lucene.net索引。
我发现了这个example which extracts text from docx，似乎工作正常。但在基于此构建我自己的解决方案之前，我想知道其他文件格式是否已有可用的东西？
答案 0 :(得分：1)
在花钱之前，可能值得查看IFilter界面 - 这些界面/设计完全符合您的要求。
http://msdn.microsoft.com/en-us/library/ms691105
http://www.codeproject.com/KB/cs/IFilter.aspx
（codeprject链接底部的一些链接）。
MS为办公室文件类型提供IFilter。 http://www.microsoft.com/downloads/details.aspx?familyid=60c92a37-719c-4077-b5c6-cac34f4227cc&displaylang=en
我知道我们使用这项技术允许我们使用Lucene索引PDF，但我没有编写实际的代码，恐怕没什么用处。
如果你的Google强大，我相信你可以挖掘出更多使用IFilter来做你想做的事情的例子。
答案 1 :(得分：0)
观看aspose.com，他们有一个很好的库来处理ppt和pptx。
答案 2 :(得分：0)
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。它很快就会在1.5版本中支持pptx。
有关详细信息，您可以查看here