更大的背景：我们需要能够在所有办公室类型中搜索：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，客户关心的是，这是1，容易出错，2，不是微软推荐的（并且也未在其许可证中涵盖） .
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 .
2 回答
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 .
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 .