Perl 是否将Word文档或docx文件转换为文本文件？

我需要一种方法将

.doc

或

.docx

扩展转换为

.txt

，而无需安装任何东西。我也不想手动打开Word来做这件事。只要它是自动运行的

我认为Perl或VBA都可以做到这一点，但我在网上找不到这两者的任何东西

---

有什么建议吗？

.doc使用并可以解析其XML以检索文档的实际文本。您必须阅读它们的规范，以确定哪些标记包含可读文本。

如果您不想启动Word（或其他Office应用程序），则无法在VBA中执行此操作。即使你是指VB，你仍然需要启动一个Word的（隐藏）实例来进行处理。

我强烈建议你是否可以使用Java或.NET。它可以在不安装Word的情况下在所有主要文本文件类型之间进行转换。

请注意，对象浏览器是Microsoft Office应用程序的一个极好的信息源。您可以通过

工具

→ <代码>宏→ <代码>Visual Basic编辑器。进入编辑器后，按F2键浏览Microsoft Office应用程序提供的接口、方法和属性

下面是一个示例，使用：

---

docx的一个简单的纯Perl解决方案：

用于从

docx

文件中获取

word/document.xml

文件。（docx只是一个压缩的归档文件。）

用于解析它

然后使用将其转换为文本或html格式。搜索web以找到一个好的文件：）

干杯

---

J.

如果您安装了某种风格的unix，您可以使用“strings”实用程序从文档中查找并提取所有可读字符串。在你要查找的文本前后会有一些混乱，但是结果是可读的

我需要一种无需安装任何东西即可将.doc或.docx扩展名转换为.txt的方法

只是开玩笑

---

您可以对旧版本的Word文档使用antiword，并尝试解析新文档的xml。

注意，您还可以在Windows和*nix平台上使用antiword执行其他文档、绘图、spreadhseet等转换

您可以通过多种存在UNO绑定的语言（包括通过模块从Perl）以编程方式访问OpenOffice（类似于Windows上的COM）

---

在上，您还可以找到一个打开文档的示例Perl scriptlet，然后您只需使用

document.storetour（）

方法将其导出到

txt

，看看哪种方法可以轻松地适应您的Perl需要。

对于.doc，我在linux命令行工具方面取得了一些成功。它可以非常快速地从.doc中提取文本，提供了良好的缩进效果。然后，您可以通过管道将其传输到bash中的文本文件

对于.docx，正如其他一些用户提到的那样，我使用了OOXMLSDK。它只是一个.NET库，可以更轻松地使用压缩在OOXML文件中的OOXML。如果您只对文本感兴趣，那么有很多元数据需要丢弃。其他一些人已经编写了我看到的代码：

Words有一个非常简单的API，我发现它也有很好的支持

commandlinefu.com中还有一个bash命令，它通过解压缩.docx来工作：

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

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

斯南·努尔的方法很有效。
然而，我在转换文件时遇到了一些问题

另一种方法是使用Win32:：OLE和Win32:：剪贴板：

• 打开Word文档
• 选择所有文本
• 在剪贴板中复制
• 在txt文件中打印剪贴板的内容
• 清空剪贴板并关闭Word文档

根据年Sigvald Refsu给出的脚本，我提出了以下脚本

注意：我选择使用与.docx文件相同的基本名称将txt文件保存在同一文件夹中，但这很容易更改

希望它能帮助您。

使用，您可以轻松获取单词的全文（仅适用于docx）

下面是代码（Node.JS）

---

这仅仅是三行代码，不依赖于任何word实例（全部为纯JS）

只要它可以通过windows pc上的计划任务自动执行，word是否打开都无所谓。。。。我会回答这个问题这是一个很好的工具。。。直到现在我才真正使用过它，我想知道我是从哪里得到这些信息的。再次感谢

for I in *.doc?; do mv $I `echo $ | sed 's/\.docx?/\.txt'`; done

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

########################################### 
use strict; 
use File::Spec::Functions qw( catfile );
use FindBin '$Bin';
use Win32::OLE qw(in with); 
use Win32::OLE::Const 'Microsoft Word'; 
use Win32::Clipboard; 

my $monitor_word=0; #set 1 to watch MS Word being opened and closed

sub docx2txt {
    ##Note: the path shall be in the form "C:\dir\ with\ space\file.docx"; 
    my $docx_file=shift; 

    #MS Word object
    my $Word = Win32::OLE->new('Word.Application', 'Quit') or die "Couldn't run Word"; 
    #Monitor what happens in MS Word 
    $Word->{Visible} = 1 if $monitor_word; 

    #Open file 
    my $Doc = $Word->Documents->Open($docx_file); 
    with ($Doc, ShowRevisions => 0); #Turn of revision marks 

    #Select the complete document
    $Doc->Select(); 
    my $Range = $Word->Selection();
    with ($Range, ExtendMode => 1);
    $Range->SelectAll(); 

    #Copy selection to clipboard 
    $Range->Copy();

    #Create txt file 
    my $txt_file=$docx_file; 
    $txt_file =~ s/\.docx$/.txt/;
    open(TextFile,">$txt_file") or die "Error while trying to write in $txt_file (!$)"; 
    printf TextFile ("%s\n", Win32::Clipboard::Get()); 
    close TextFile; 

    #Empty the Clipboard (to prevent warning about "huge amount of data in clipboard")
    Win32::Clipboard::Set("");

    #Close Word file without saving 
    $Doc->Close({SaveChanges => wdDoNotSaveChanges});

    # Disconnect OLE 
    undef $Word; 
}

DocxTemplater=require('docxtemplater');
doc=new DocxTemplater().loadFromFile("input.docx");
result=doc.getFullText();