Obtenir une liste de mots distincte et compter à partir des documents MS office en utilisant C#

Question

Je cherche un moyen efficace de lire le texte brut de n'importe quel document MS Office (Word, Excel ou PowerPoint), puis afficher une liste de mots distincts et un nombre de combien de fois ce mot est utilisé. Si possible, j'aimerais pouvoir exclure les mots communs ('et', 'à', 'le', etc.).

Quelle est la meilleure façon de réaliser cela en C#?

Answer 1

Vous devriez regarder dans Lucene.NET - il a la capacité de construire des index de mots à partir d'une variété de sources - y compris, je crois, des documents Word.