Чтение содержимого файла с использованием C #

Question

Я хочу прочитать содержимое файлов следующих типов, используя C #:

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

Существует ли какой-либо общий API в .Net для чтения всех типов файлов?

Answer 1

Нет встроенной поддержки для чтения большинства файлов этих типов. HTML - это простой текст, поэтому вы можете использовать System.IO/StreamReader для его чтения, но вы должны проанализировать его самостоятельно.

Существуют сторонние компоненты, которые будут читать эти типы файлов, но я не уверен, есть ли один полностью охватывающий компонент.

Я полагаю, что для PDF iTextSharp позволяет читать.

Для RTF / Word вы можете использовать Первичные сборки взаимодействия

Answer 2

Я использовал Aspose , прежде чем это очень мощный продукт, он достаточно дорогой, поэтому рекомендую его только в том случае, если вашему приложению также необходимо создать новые документы word / pdf / rtf.

Я согласен с другими комментариями по поводу использования System.IO для чтения файлов HTML.

Answer 3

Если вы собираетесь полнотекстовый индекс данных, посмотрите на Lucene , он может обрабатывать эти типы файлов.