用于将 MS Office 文件格式（doc、docx、ppt 等）转换为纯文本的 Web 服务？答案

【问题标题】：Web service for converting MS Office file formats (doc, docx, ppt, etc) into plain text?用于将 MS Office 文件格式（doc、docx、ppt 等）转换为纯文本的 Web 服务？
【发布时间】：2011-07-26 20:10:00
【问题描述】：

更大的上下文：我们正在开发 Intranet 门户的搜索引擎，它需要能够在所有办公室类型中进行搜索：doc、docx、xls、xlsx、ppt 和 pptx。搜索算法已经到位，我们已经使用 Office 自动化实现了索引器；但是，客户担心，这是 1，容易出错，而 2，不是微软推荐的（而且 - 没有包含在他们的许可证中）。

我已经阅读了之前关于 SO 的这方面的答案，但是这需要我们集成大量不同的库来覆盖所有边缘，而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，甚至是 PDF - 我们都有解析器）输出.

是否有涵盖上述所有文件格式的此类服务（免费或付费）？

非常感谢。

【问题讨论】：

标签： web-services ms-office xls doc

【解决方案1】：

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。包含一个服务器应用程序，您可以在自己的服务器上运行它。

【讨论】：

【解决方案2】：

我很确定该服务，但是如果您可以管理和部署三个用于 DOC/DOCX、XLS/XLSX 和 PPT/PPTX 的 .NET 程序集。那你可以试试Aspose components——分别是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 位环境中正常工作。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。请查看这是否对您的方案有所帮助。

披露：我在 Aspose 担任开发人员布道师。

【讨论】：

您的价格范围与它可能为我们的项目带来的好处不成比例。如果您有任何我们可以用于只读访问的内容，我们可能会重新考虑。
我不需要更新或创建任何这些文档 - 只是将它们转换为纯文本文件 - 因此，功能的最小化子集：打开文档，另存为文本文件将涵盖我的完整用例。你有类似的东西吗？
恐怕目前没有这样的子集。