如何从.doc和.docx文件中只提取纯文本? (unix)[closed]
发布时间:2020-12-15 09:10:55 所属栏目:安全 来源:网络整理
导读:任何人知道他们可以推荐什么,以便只提取来自.doc或.docx的纯文本? 我发现这个Best way to extract text from a Word doc without using COM/automation? – 想知道是否有任何其他建议吗? 速度并不重要,我们甚至可以使用一个网站,有一些API上传和解压缩
任何人知道他们可以推荐什么,以便只提取来自.doc或.docx的纯文本?
我发现这个Best way to extract text from a Word doc without using COM/automation? – 想知道是否有任何其他建议吗? 速度并不重要,我们甚至可以使用一个网站,有一些API上传和解压缩文件,但我一直无法找到一个。 谢谢
如果你想纯纯文本(我的要求),那么你需要的是
unzip -p some.docx word/document.xml | sed -e 's/<[^>]{1,}>//g; s/[^[:print:]]{1,}//g' 我在command line fu发现 它解压缩docx文件并获取实际文档,然后剥离所有xml标记。显然,所有格式化都丢失了。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |
相关内容
- Bootstrap插件collapse源码的学习
- 如何使用Twitter Bootstraps网格系统在两列之间添加一行
- 单元测试 – 使用Karma w的Angular.js代码覆盖率. CoffeeSc
- angularjs – ui-bootstrap分页复位当前页面初始化
- atlas学习系列之二
- angular – Ionic – 类别的水平滚动选项卡[复制]
- ArrayBuffer vs Scala中的ArrayBuilder
- 如何从pandas multiindex获取随机(bootstrap)示例
- angularjs – 在哪里放置模型数据和行为?
- WebService:客户端调用service的四种方式