如何索引和搜索.doc文件

Question

我有需要具有上传到它.doc文件的应用程序。那么这些文件应该是索引和文件的整个集合应搜索。这将在Windows服务器上运行，无需安装Word，使用IIS和SQLServer，但我宁愿不被捆绑到的SqlServer的全文索引。

我在考虑使用Lucene.Net的索引部的，想知道什么是最好的方式来获得文本了.doc文件的会。我可以通过读取整个流中，然后用正则表达式来拉出任何常规字符可能提取文本，但似乎并大幅容易出错。

我看到使用这听起来有希望的IFilter的文章，但我想我把这个在那里，因为它不是我熟悉的。

P.S。如果它的事项，这些.doc文件会在他们的邮件合并域而且也为.doc格式没有其他替代电流

Answer 1

据，并不需要外部程序的解决方案，它看起来像IFilter的解决方案是去（即使你可能数，作为一个外部程序）的方式。

下面是一个简单的CodePlex文章和代码就可以怎么做： HTTP：/ /www.codeproject.com/KB/cs/IFilter.aspx

Answer 2

在我们的基于PHP的应用，我们总是用类似这样的外部程序： doc2txt 。然后我们进行了文本，并将其保存到数据库中。如果你在谷歌搜索“doc2txt”，你会发现正是做同样的事情很多不同的程序。只要看看最适合你的人。

Answer 3

也许你想签 Solr的。