C++ 用C+编写的程序中的RTF/doc/docx文本提取+/Qt

我正在用/C++编写一些程序，需要从//docx文件中读取文本

我正在寻找一些命令行程序来进行提取。它可能是几个程序

我发现的最接近的东西是，但是它有几个bug，所以我不能使用它。 我也在电脑上安装了Microsoft Word。也许有某种方法可以使用它来阅读文本（不知道如何使用）？

我建议不要使用COM，因为这首先会破坏像Qt这样的便携式库的使用

您可能希望使用classic或类似的工具，例如

---

请注意，尽管catdoc作者声称catdoc在Windows下不工作，但有一个。

尝试读取.doc文件，您可以使用。doc基本上是一个结构化存储库，具有与文档的各个部分相对应的各种流。
请注意，这是一个非常复杂的API，即使使用此API，.doc文件也可能看起来非常混乱。

---

当然，这仍然只是windows，但至少不是COM。只是一个普通的旧C API。

现在，这非常难看，非常粗糙，但对于基本的文本提取，它似乎对我有用。显然，要在Qt程序中使用此命令，您必须为其生成一个进程，等等，但我所破解的命令行是：

unzip -p file.docx | grep '<w:t' | sed 's/<[^<]*>//g' | grep -v '^[[:space:]]*$'

---

解压-p file.docx | grep'这可能会有所帮助。它是跨平台的，具有API

否则，如果这只是windows，iFilter方法就是最好的选择。它将允许您解析系统中具有iFilter的任何内容。下面是一些例子。我经常使用C端的iFilter。
我正在尝试独立于平台进行操作。我认为有几个程序可以做这些事情，但需要找到。无论如何谢谢这对docx文件有用。。。但这取决于您对OpenXMLSDK的了解程度。。。如果你只是想要文本而不是太复杂。。。这也行，你可以试试wvLib。它被Abiword使用，正是我想要的，可以将.doc和.docx转换为纯文本。