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？
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 3011 days ago, the information mentioned may be changed or developed.
 |
hinomoAug 11, 2018
1
doc 转 docx （逃
|
 |
ghhardyAug 11, 2018 via Android
2
试试 python 第三方模块吧，我用过处理 excel 表格的，word 好像也有
|
 |
hundanAug 11, 2018 via Android
3
直接另存为？
|
 |
lihongjie0209Aug 11, 2018
4
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
|
 |
dsp2138Aug 11, 2018
5
word:Ctrl+A
notebook:Ctrl+V 搞定，效率很高 |
 |
7
@lihongjie0209 我先研究下，谢谢
|
|
8
@longyujin9 也是一种思路 :)
|
 |
zjsxwcAug 11, 2018
9
这种东西 C#干起来很轻松，不知道 linux 下的 dotnet core 可不可以
|
|
zjsxwcAug 11, 2018
10
|
 |
11
可以试试 pandoc
|
1 |
MonoLogueChiAug 11, 2018 via Android
12
修正一下，docx 是 rar 压缩包
|
 |
lushilu001Aug 11, 2018 via iPhone
13
catdoc
|
|
hundanAug 11, 2018 via Android
14
@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。 |
 |
drackzyAug 11, 2018
15
unoconv
|
 |
cnkillerAug 11, 2018 via Android
16
我给楼主说一下吧。com 方式另存为 txt，效果最好
|
 |
iwtbauhAug 11, 2018 via Android
18
soffice --headless --convert-to txt filename.doc
|
 |
gnaggnoyilAug 12, 2018
19
|
 |
gamecmtAug 12, 2018 via Android
20
windows 下可以用 pywin32com。
|
 |
PythonAnswerAug 12, 2018 via iPhone
21
com 是个好东西。linux 下一班怎么玩？有类似的吗？
|
 |
omphAug 12, 2018
22
Apache POI - the Java API for Microsoft Documents
|
 |
shilyxAug 12, 2018
23
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 |
 |
ps1aniugeAug 12, 2018
24
安装 word。用 powershell 调用 com 方式另存为 txt，效果最好
|
|
gnaggnoyilAug 12, 2018
25
@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……
|
|
PythonAnswerAug 12, 2018 via iPhone
26
uno 是包装的 java，调用起来不太爽
|
 |
DoodlisterAug 28, 2018 via Android
27
@longyujin9 纯文本的话。。 直接 OCR。。。比你这个还暴力 哈哈
|
Select Language