提取MS Office属性

Question

我想使用C＃提取MS Office文件的内容。 例如：我想打开一个doc/docx/xls/xlsx/ppt/pptx并且能够提取文本和信息，例如（页数 - 单词，页数 - excel，幻灯片数 - ppt，数字图表 - excel，图片数量 - powerpoint等等）等等）。 我意识到我可以使用Windows iFilter提取文本。但是这只给了我文字。任何人都知道可以给我这种信息的DLL或东西？如果没有，是否有任何网站可以详细解释办公室xml文件的骨架？

Answer 1

对于DOCX/XLSX/PPTX MS报价一个免费的图书馆叫做OpenXML SDK，你可以用它来实现你所要求的...

对DOC/XLS/PPT（年长/二进制）我不知道一个免费图书馆 - 有支持此部分商业库：

• Aspose.Words（DOC和DOCX）
• Aspose.Cells（XLS和XLSX）
• Flexcel（XLS和XLSX）
• SpreadSheetGear（XLS和XLSX）
• Aspose.Slides（PPT和PPTX）
• Spire.Office（DOC和DOCX以及XLS和XLSX）

商业库通常提供了非常丰富的功能 - 例如导出为PDF ...

Answer 2

办公室XML格式如下解释：

http://msdn.microsoft.com/en-us/library/aa338205(v=office.12).aspx

这是值得一读维基百科的文章潜水前确定自己的方位在

http://en.wikipedia.org/wiki/Microsoft_Office_XML_formats