使用C＃读取文件内容

Question

我想使用C＃阅读以下文件类型的内容：

1. RTF
2. PDF
3. HTML
4. MS Word

.Net中是否有用于读取所有文件类型内容的通用API？

Answer 1

没有内置支持来阅读大多数这些文件类型。 HTML是纯文本，因此您可以使用System.IO/StreamReader来读取它，但您必须自己解析它。

有第三方组件会读取这些文件类型，但我不确定是否有一个包含所有组件。

对于PDF，我相信iTextSharp允许您阅读。

对于RTF / Word，您可以使用Primary Interop Assemblies

Answer 2

我使用Aspose之前它是一个功能非常强大的产品，价格相当昂贵，所以只有在你的应用程序还需要创建新的word / pdf / rtf文档时才会推荐它。

我同意其他关于仅使用System.IO读取HTML文件的评论。

Answer 3

如果要对数据进行全文索引，请查看使用Lucene，它可以处理这些文件类型。