更大的背景：我们正在开发一个Intranet门户网站的搜索引擎，该搜索引擎需要能够在所有办公室类型中进行搜索：doc，docx，xls，xlsx，ppt和pptx。在搜索算法已经到位的情况下，我们使用Office自动化实现了索引器;但是，客户担心的是，这是1，容易出错，2，不是微软推荐的（并且也未在其许可中涵盖）。
我已经在SO上阅读了这方面的先前答案，但是它需要我们集成大量不同的库来覆盖所有边缘，我们没有资源这样做。
因此，我们正在寻找一个简单的Web服务，我们可以向其提交任何这些文档，并返回一个简单的纯文本（或html，甚至PDF - 我们都有解析器）输出。
是否有任何此类服务（免费或付费）涵盖上述所有文件格式？
非常感谢。
答案 0 :(得分：2)
我建议尝试Apache Tika - 它是免费和开源的。它允许从MS Office文件格式（以及其他流行格式）中提取文本内容。有一个服务器应用程序，您可以在自己的服务器上运行。
答案 1 :(得分：1)
我注意到该服务，但是如果您可以为DOC / DOCX，XLS / XLSX和PPT / PPTX管理和部署三个.NET程序集。然后你可以分别尝试Aspose components - Aspose.Words，Aspose.Cells和Aspose.Slides。这些DLL不需要在您的服务器上安装MS Office，它们可以在任何Windows操作系统和32位/ 64位环境中正常运行。您可能还会看到documentation。这些组件还提供了许多高级功能来处理文档元素。请查看这可能对您的方案有所帮助。
披露：我在Aspose担任开发人员传播者。