这是一个创建于 2732 天前的主题，其中的信息可能已经有所发展或是发生改变。
需求是这样的，转成有一定格式的 text （保留换行，空格等）
docx 转 text 基本搞定，因为 docx 其实是一个 zip，里面是文本格式的 xml，然后用了 html 转 text 的方式，转出来可以接受。
但是 doc 转 text 开始用的 antiword 但是有些文件转不了，想问下大家有什么好的方案吗？
 |
1
longyujin9 2018 年 8 月 11 日
doc 转 docx （逃
|
 |
2
ghhardy 2018 年 8 月 11 日 via Android
试试 python 第三方模块吧，我用过处理 excel 表格的，word 好像也有
|
 |
3
hundan 2018 年 8 月 11 日 via Android
直接另存为？
|
 |
4
lihongjie0209 2018 年 8 月 11 日
Java 可以用 tika, Python 就不知道了. 从某种程度上来说, Java 的生态确实比 Python 好
|
 |
5
dsp2138 2018 年 8 月 11 日
word:Ctrl+A
notebook:Ctrl+V 搞定，效率很高 |
 |
7
tomheng OP @lihongjie0209 我先研究下，谢谢
|
|
8
tomheng OP @longyujin9 也是一种思路 :)
|
 |
9
zjsxwc 2018 年 8 月 11 日
这种东西 C#干起来很轻松，不知道 linux 下的 dotnet core 可不可以
|
|
10
zjsxwc 2018 年 8 月 11 日
|
 |
11
stringtheory 2018 年 8 月 11 日  1
可以试试 pandoc
|
 |
12
MonoLogueChi 2018 年 8 月 11 日 via Android
修正一下，docx 是 rar 压缩包
|
 |
13
lushilu001 2018 年 8 月 11 日 via iPhone
catdoc
|
|
14
hundan 2018 年 8 月 11 日 via Android
@MonoLogueChi 再修正一下，是 zip。
rar 文件头以 Rar 开头 zip 为 pk，docx 文件头是 pk，这是其一，其二，rar 算法为私有。拓展名改为 rar 之后能打开是因为压缩软件自己识别了压缩算法，不能作为根据。建议你自己了解清楚再来修正别人。 |
 |
15
drackzy 2018 年 8 月 11 日
unoconv
|
 |
16
cnkiller 2018 年 8 月 11 日 via Android
我给楼主说一下吧。com 方式另存为 txt，效果最好
|
 |
18
iwtbauh 2018 年 8 月 11 日 via Android
soffice --headless --convert-to txt filename.doc
|
 |
19
gnaggnoyil 2018 年 8 月 12 日
|
 |
20
gamecmt 2018 年 8 月 12 日 via Android
windows 下可以用 pywin32com。
|
 |
21
PythonAnswer 2018 年 8 月 12 日 via iPhone
com 是个好东西。linux 下一班怎么玩？有类似的吗？
|
 |
22
omph 2018 年 8 月 12 日
Apache POI - the Java API for Microsoft Documents
|
 |
23
shilyx 2018 年 8 月 12 日
poi 读取-》另存为
不过更高级的方案是在 widnows 服务器上安装 office，然后 vc 中使用 activex 控制另存为，完美，绝对完美的 doc-》 docx |
 |
24
ps1aniuge 2018 年 8 月 12 日
安装 word。用 powershell 调用 com 方式另存为 txt，效果最好
|
|
25
gnaggnoyil 2018 年 8 月 12 日
@PythonAnswer LibreOffice 据说有个叫 UNO 的东西和.COM 比较类似,具体怎么用不清楚,你可以自己查查看……
|
|
26
PythonAnswer 2018 年 8 月 12 日 via iPhone
uno 是包装的 java，调用起来不太爽
|
 |
27
Doodlister 2018 年 8 月 28 日 via Android
@longyujin9 纯文本的话。。 直接 OCR。。。比你这个还暴力 哈哈
|
Select Language