通過命令行將文檔轉換爲txt

Question

我們正在搜索一個允許我們將doc或docx文檔轉換爲txt文件的程序。我們正在使用linux，並且我們希望啓動一個網站來轉換用戶上傳的doc文件。我們不想使用開放式辦公室/免費辦公室，因爲我們對此有不好的經驗。 Pandoc無法處理doc文件：/

任何人都有想法？

Answer 1

這裏是一個perl project它聲稱做到這一點。我也手動完成了很多工作，在document.xml上使用XSLT。 Docx文件本身只是一個zip文件，您可以將其解壓縮並檢查元素。我會說這對於特定文件來說並不難，但是在一般情況下很難做到，因爲缺乏關於Word如何存儲內容的文檔以及內部表示的差異。

Answer 2

您將不得不使用兩種不同的命令行工具，具體取決於您使用的是.doc還是.docx格式。

對於.DOC使用catdoc：

catdoc foo.doc > foo.txt 

對於.DOCX使用docx2txt：

docx2txt foo.docx 

後者會產生一種名爲foo.txt的在同一目錄與原始文件。

我不確定您使用的是哪個Linux發行版，但catdoc和docx2txt都可以從Ubuntu存儲庫獲得，例如。