通过命令行将doc转换为文本

Question

我们正在搜索允许我们将doc或docx文档转换为txt文件的程序。我们正在使用linux，我们希望启动一个转换用户上传的doc文件的网站。我们不想使用开放式办公室/自由办公室因为我们有不好的经验。 Pandoc无法处理doc文件：/

有人有想法吗？

Answer 1

您必须使用两种不同的命令行工具，具体取决于您使用的是.doc还是.docx格式。

对于.doc使用catdoc：

catdoc foo.doc > foo.txt

对于.docx，请使用docx2txt：

docx2txt foo.docx

后者将在与原始目录相同的目录中生成一个名为foo.txt的文件。

我不确定您使用的是哪个Linux发行版，但是catdoc和docx2txt都可以从Ubuntu存储库中获得，例如：

apt-get install docx2txt

或者使用Mac上的Homebrew：

brew install docx2txt

Answer 2

这里有perl project声称可以做到这一点。我已经在document.xml上使用XSLT手动完成了很多这方面的工作。 Docx文件本身只是一个zip文件，你可以解压缩并检查元素。我会说这对于特定文件并不难做，但在一般情况下很难做到，因为缺少Word内部存储内容的文档以及内部表示的方差。

Answer 3

对于doc文件，您可以使用反词，它在Homebrew和Ubuntu上可用。