从常见的文档格式(主要是rtf，doc，docx，pdf，epub，mobi)中提取文本的最好方法是什么？

Question

我希望在我的应用程序中实现对这些类型文件的支持，但为此，我需要一些可以从这些文件类型中提取原始文本的东西。

我正在寻找一个不需要任何附加库的解决方案，或者一个一体化的库/NuGet包。我看了一下GemBox.Document，但它似乎不适用于UWP项目。

对此最好的选择是什么？

Answer 1

我正在寻找一个不需要任何附加库的解决方案，或者一个一体化的库/NuGet包。

没有这样的套餐。

在标准的UWP应用程序中，我们可以使用Rich edit box读取.rtf文件，本文档中的代码示例展示了如何在RichEditBox中编辑、加载和保存富文本格式(.rtf)文件。

对于.doc，.docx，又名。微软的Word文档，特别是2007年以后的版本，它使用Open-XML-SDK，目前不支持UWP平台。

对于.pdf文档，您可以参考@Franklin Chen的线程：[UWP]PDF Viewing on a Windows Universal App。

对于epub文件，它是一个ZIP存档文件，要解析该文件，可以参考线程：[WP8.1][C#] How can i read an EPub file in c# on Windows Phone!?。

对于mobi文件，很抱歉目前我找不到任何有用的开发信息，我现在只能建议将其转换为pdf文件，并提供免费的在线服务。

但总而言之，由于Open-XML-SDK目前不支持UWP平台。无法找到标准UWP应用程序的解决方案或软件包。您可以尝试找到这样的web服务，并在您的应用程序中实现此服务，或者您可以使用可以读取所有这些格式的文档的商业库。