通过命令行将文档转换为文本格式

Question

我们正在寻找一款程序，可以将doc或docx文档转换为txt文件。我们正在使用Linux，并希望启动一个网站来转换用户上传的doc文件。我们不想使用开放办公套件/自由办公套件，因为我们有不好的经验。Pandoc无法处理doc文件：/

有人有什么想法吗？

- user698601

Answer 1

如果你要处理的是 .doc 或者 .docx 格式的文件，需要使用两个不同的命令行工具。

对于 .doc 文件，请使用 catdoc 命令：

catdoc foo.doc > foo.txt

对于.docx文件，请使用docx2txt：

docx2txt foo.docx

后者将在与原文件相同的目录中生成名为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存储库中获取，例如：

apt-get install docx2txt

或者在 Mac 上使用 Homebrew：

brew install docx2txt

- harlandski

---

谢谢提供的信息，不幸的是对我来说，brew install docx2txt无法工作，'catdoc'命令不可用，我需要使用'docx2txt.sh'而不是'docx2txt'。 - Barney Szabolcs

原来catdoc已经被委派到了垃圾场，但是可以从源代码构建它，详见：https://apple.stackexchange.com/a/294259/36790 - Barney Szabolcs

Answer 2

这里有一个声称可以做到的Perl项目。我也手动完成了很多工作，使用XSLT在document.xml上操作。Docx文件本身只是一个压缩文件，您可以解压缩并检查元素。我会说，对于特定文件来说，这并不难做到，但在一般情况下非常困难，因为Word内部存储事物的文档缺乏说明，并且内部表示的差异很大。

- Paul Sanwald

Answer 3

你也可以使用pandoc：

保持布局（换行符与文档可视化中的相同）：

pandoc -s mydocument.docx  -o ouput.txt

只有当原始文本有换行命令时才换行：

pandoc --wrap=none -s mydocument.docx  -o ouput.txt

- G M

Answer 4

对于doc文件，您可以使用antiword，它在Homebrew和Ubuntu上都可用。

- Mishari