unix – 如何从.doc和.docx文件中提取纯文本？

发布时间：2020-12-16 01:40:24 所属栏目：安全来源：网络整理

导读：任何人都知道他们可以推荐什么,以便从.doc或.docx中提取纯文本？我找到了this – 想知道是否还有其他建议？解决方法如果你想要纯文本(我的要求),那么你需要的只是 unzip -p some.docx word/document.xml | sed -e 's/[^]{1,}//g; s/[^[:print:]]{1,}/

任何人都知道他们可以推荐什么,以便从.doc或.docx中提取纯文本？

我找到了this – 想知道是否还有其他建议？

解决方法

如果你想要纯文本(我的要求),那么你需要的只是

unzip -p some.docx word/document.xml | sed -e 's/<[^>]{1,}>//g; s/[^[:print:]]{1,}//g'

我在command line fu找到了

它解压缩docx文件并获取实际文档,然后删除所有xml标记.显然所有格式都丢失了.

（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!