TextExtractor

Библиотека для получения текста из файлов. Поддреживаемые форматы:

• .doc, .docx
• .xlsx
• .pdf
• .odt
• .rtf
• .html, .htm
• .txt

Использование:

	var documentExtractor = DocumentExtractor.Default();
        var content = string.Empty;
        var fileName = @"C:\1.rar";
        
        if (documentExtractor.IsArchive(fileName))
        {
            var archivedFiles = documentExtractor.GetArchivedFiles(new RawDocument(fileName, File.ReadAllBytes(fileName)));
            var contentBuilder = new StringBuilder();

            foreach (var archivedFile in archivedFiles)
                contentBuilder.AppendLine(documentExtractor.GetContent(archivedFile));

            content = contentBuilder.ToString();
        }
        else
        {
            content = documentExtractor.GetContent(new RawDocument(fileName, File.ReadAllBytes(fileName)));
        }

        Console.WriteLine("Extracted content: {0}", content);

Пока только начал работать над проэктом и он очень сырой. Буду очень рад любым вопросам, предложениям, помощи в работе библиотеки