将Word (.docx) 转换为Docbook

Question

我被委派找到一种将大量.docx文件转换为docbook 5的方法。目前，我们在openoffice中打开文件并保存为docbook。这是一项耗时的任务，但我相信有更好的方法。然后，这些文件将进一步处理为我们的自定义relax NG模式。因此，这种转换不需要完美无缺。我已经四处寻找，并将继续调查一些线索，但没有找到任何有用的东西。

看着将doc/docx转换为语义HTML，他们建议使用upCast，但这似乎不适合我的需求。

我正在寻找一些免费可用的东西，可以从命令行使用。最终，我想批处理我们的文件。我已经包括了Linux、Python和Java标签，因为这些是我最熟悉的环境，但为了找到正确的解决方案，我愿意弯曲。我正试图做一些研究，然后再去重新发明轮子。

- matchew

---

考虑查看OpenOffice API来编写打开和另存为的脚本吗？ - Thorbjørn Ravn Andersen

我已经编辑了你的问题并从中删除了很多内容。虽然你在这里已经有一段时间了，但请查看[FAQ]，因为不应该添加签名，而且你的PS是主观的，几乎是一个不同的问题。请查看我的编辑，并检查你的问题是否仍然完整。 - Trufa

这是Trufa，感谢您的编辑。我想我比熟悉电子邮件交流更熟悉stackoverflow。@Thorbjørn Ravn Andersen，我还没有考虑过这可能是一个可行的解决方案。 - matchew

Answer 1

有风险获得 SX 的考古学家徽章，答案应包括对 Pandoc 的引用。这不依赖于开放办公室。

pandoc -f docx -t docbook -o newdocbook.dbk --standalone original.docx

- intotecho

Answer 2

有几种方法可以编写脚本，包括使用外部脚本和OpenOffice内的脚本。以下链接提供了一些示例：

• http://juretta.com/log/2006/08/10/convert_microsoft_word_to_docbook_xml_using_ruby_and_openoffice/
• http://www.oooninja.com/2008/02/batch-command-line-file-conversion-with.html
• http://www.xml.com/pub/a/2006/01/11/from-microsoft-to-openoffice.html
• http://mail.python.org/pipermail/python-announce-list/2006-May/004951.html
• http://dag.wieers.com/home-made/unoconv/

上述链接中有些并未使用Java或Python，但是原则仍然适用，并且脚本通常足够简短，可以进行移植（第一个示例是用Ruby编写的，但由于其简单性，它是我个人最喜欢的）。

- bta

---

谢谢，由于某种原因，我选择了Python解决方案。http://mail.python.org/pipermail/python-announce-list/2006-May/004951.html - matchew

Answer 3

您可以在服务器模式下运行OpenOffice，并向其提供文档，而无需手动打开每个文档。

一种方法是： http://code.google.com/p/bungeni-editor/wiki/RunningTheJODConverterServer

- jlargent

---

感谢您的快速回复，今天早上我花了一些时间在这个问题上，但是在正确配置所有内容后，它仍然无法支持docx和/或xml。 - matchew