如何使用 C# 从 MS Office 文档中提取文本

我试图使用 C# 从 MS Word（.doc、.docx）、Excel 和 Powerpoint 中提取文本（字符串）。在哪里可以找到免费且简单的 .Net 库来阅读 MS Office 文档？ 我尝试使用 NPOI，但没有获得有关如何使用 NPOI 的示例。

对于 Microsoft Word 2007 和 Microsoft Word 2010 (.docx) 文件，您可以使用 Open XML SDK。这段代码将打开一个文档并以文本形式返回其内容。对于尝试使用正则表达式来解析 Word 文档内容的任何人来说，它尤其有用。要使用此解决方案，您需要引用 DocumentFormat.OpenXml.dll，它是 OpenXML SDK 的一部分。

See: http://msdn.microsoft.com/en-us/library/bb448854.aspx

 public static string TextFromWord(SPFile file)
    {
        const string wordmlNamespace = "http://schemas.openxmlformats.org/wordprocessingml/2006/main";

        StringBuilder textBuilder = new StringBuilder();
        using (WordprocessingDocument wdDoc = WordprocessingDocument.Open(file.OpenBinaryStream(), false))
        {
            // Manage namespaces to perform XPath queries.  
            NameTable nt = new NameTable();
            XmlNamespaceManager nsManager = new XmlNamespaceManager(nt);
            nsManager.AddNamespace("w", wordmlNamespace);

            // Get the document part from the package.  
            // Load the XML in the document part into an XmlDocument instance.  
            XmlDocument xdoc = new XmlDocument(nt);
            xdoc.Load(wdDoc.MainDocumentPart.GetStream());

            XmlNodeList paragraphNodes = xdoc.SelectNodes("//w:p", nsManager);
            foreach (XmlNode paragraphNode in paragraphNodes)
            {
                XmlNodeList textNodes = paragraphNode.SelectNodes(".//w:t", nsManager);
                foreach (System.Xml.XmlNode textNode in textNodes)
                {
                    textBuilder.Append(textNode.InnerText);
                }
                textBuilder.Append(Environment.NewLine);
            }

        }
        return textBuilder.ToString();
    }