Toxy

Toxy是一个获取数据和文档信息的抽取框架， 支持日常很多常见的格式，如docx, xlsx, xls, pdf, txt, epub, html等等。

有意思的是，这个框架的开发者是Tony Qu，也是大名鼎鼎的NPOI的主要开发者。赞一个，NPOI总的来说非常好用。期待越来越强大，因为互联网的数据除了html之外，还有大量的文档格式，如果快速的检索抽取这些元数据信息，是非常有用的。

官方网站：

• http://toxy.codeplex.com/
• https://github.com/tonyqus/toxy

新手指南：https://www.cnblogs.com/neuzilla/p/getstarted_with_toxy.html