C#编程读取文档Doc、Docx及Pdf内容的方法
作者：欧阳不疯
这篇文章主要介绍了C#编程读取文档Doc、Docx及Pdf内容的方法,涉及C#操作COM组件读取Doc、Docx及Pdf文档的相关技巧,需要的朋友可以参考下
本文实例讲述了C#编程读取文档Doc、Docx及Pdf内容的方法。分享给大家供大家参考。具体分析如下：
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
/*
作者：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)
{
//PDF
PDDocument doc = PDDocument.load(@"C:\resume.pdf");
PDFTextStripper pdfStripper = new PDFTextStripper();
string text = pdfStripper.getText(doc);
string result = text.Replace('\t', ' ').Replace('\n', ' ').Replace('\r', ' ').Replace(" ", "");
Console.WriteLine(result);
//Doc,Docx
object docPath = @"C:\resume.doc";
object docxPath = @"C:\resume.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|\t|\n|\s+)", "");
}
}
}
希望本文所述对大家的C#程序设计有所帮助。