我需要一个窗口程序将word文件（.doc）转换为文本。像Windows的“anitiword”之类的东西。
我需要它，因为我需要将word文件转换为文本并使用Lucence对其进行索引并且我在Windows环境中：（
感谢您的帮助!!!
答案 0 :(得分：1)
是。该程序称为MS Word。
通过COM在Word中打开文件，并以编程方式将其另存为文本。另一方面，Lucene本身无法读取Word文档吗？
答案 1 :(得分：0)
如果你真的需要一个程序，这里是one。没试过，但你可以试一试。否则，你可以use COM / vbscript。
答案 2 :(得分：0)
使用POI（http://poi.apache.org/）您应该能够索引旧的二进制DOC格式。相关的代码段可以在http://kalanir.blogspot.com/2008/08/how-to-index-microsoft-format-documents.html找到。
对于DOCX，因为它基本上是一个包含一堆XML和资源文件的ZIP文件，所以找到包含实际文本的XML文件（我认为是word / document.xml）并索引它应该相对容易。包含在其中的文本（在剥离所有XML数据之后）......
答案 3 :(得分：0)
您可以使用OpenXML SDK轻松地从DOCX文件中删除文本。但不适用于.doc - 您可能需要使用MS Word和COM。