首页 / 软件开发 / C# / C#中编程读取Word文档和Pdf的内容

C#中编程读取Word文档和Pdf的内容2013-11-13最近项目需要实现一个功能：读取doc，docx,pdf文件内容。在网上搜罗许久，还是发现有些好东西可以直接拿来使用，要不然就得自己发明轮子了。接下来我就简单介绍了用了哪些组件来实现这个功能的。

Doc文档：Microsoft Word 14.0 Object Library （GAC对象，调用前需要安装word。安装的word版本不同，COM的版本号也会不同）

Docx文档：Microsoft Word 14.0 Object Library （GAC对象，调用前需要安装word。安装的word版本不同，COM的版本号也会不同）

Pdf文档：PDFBox

DEMO

/*作者：GhostBear* 博客地址：Http://blog.csdn.net/ghostbear*/using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.IO;using System.Text.RegularExpressions;using org.pdfbox.pdmodel;using org.pdfbox.util;using Microsoft.Office.Interop.Word;namespace TestPdfReader{class Program{static void Main（string[] args）{//PDFPDDocument doc = PDDocument.load（@"C:
esume.pdf"）;PDFTextStripper pdfStripper = new PDFTextStripper（）;string text = pdfStripper.getText（doc）;string result = text.Replace（"	", " "）.Replace（"
", " "）.Replace（"
", " "）.Replace（" ", ""）; Console.WriteLine（result）;//Doc,Docxobject docPath = @"C:
esume.doc";object docxPath = @"C:
esume.docx";object missing=System.Reflection.Missing.Value;object readOnly=true;Application wordApp;wordApp = new Application（）;Document wordDoc = wordApp.Documents.Open（ref docPath,ref missing,ref readOnly,ref missing,ref missing,ref missing,ref missing,ref missing,ref missing,ref missing,ref missing,ref missing,ref missing,ref missing,ref missing,ref missing）;string text2 = FilterString（wordDoc.Content.Text）;wordDoc.Close（ref missing, ref missing, ref missing）;wordApp.Quit（ref missing, ref missing, ref missing）;Console.WriteLine（text2）;Console.Read（）;}private static string FilterString（string input）{return Regex.Replace（input, @"（a|	|
|s+）", ""）;}}}

小结

如果需要在IIS上运行该代码，则需要配置组件“Microsoft Word 14.0 Object Library”的DCOM配置。具体细节可以参考文章：Word组件的DCOM配置。

代码下载：http://download.csdn.net/detail/ghostbear/4847887