Fatal编程技术网
  • perl/
  • 使用perl实现RTF到文本的转换

使用perl实现RTF到文本的转换

perl text

使用perl实现RTF到文本的转换,perl,text,rtf,perl-module,Perl,Text,Rtf,Perl Module,有人能告诉我如何使用perl编程语言将rtf文件转换成包含所有标记、表格和格式化数据的文本吗 @Ahmad Bilal，@petersergeant:我一直在使用下面的代码进行RTF到TXT的转换，并且我能够转换成文本。但问题是我无法捕获表格或图像格式，甚至输入文件中的所有实体也无法使用该程序捕获 use 5.8.0; use strict; use warnings; use Getopt::Long; use Pod::Usage; use RTF::HTMLConverter; #---

有人能告诉我如何使用perl编程语言将rtf文件转换成包含所有标记、表格和格式化数据的文本吗

@Ahmad Bilal，@petersergeant:我一直在使用下面的代码进行RTF到TXT的转换，并且我能够转换成文本。但问题是我无法捕获表格或图像格式，甚至输入文件中的所有实体也无法使用该程序捕获

use 5.8.0;
use strict;
use warnings;
use Getopt::Long;
use Pod::Usage;
use RTF::HTMLConverter;

#-------------------------------------------------------------------
#Variable Declarions
#-------------------------------------------------------------------
my $tempfile = "";
my $Outfile = "";
my $txtfile = "";
my $URL = "";
my $Format = "";
my $TreeBuilder = "";
my $Parsed = "";
my $line = "";


my %opts;
GetOptions(
  "help|h|?"     => \$opts{help},
  "man|m"        => \$opts{man},
  "dom=s"        => \$opts{dom},
  "noimages|n"   => \$opts{noimages},
  "imagedir|d=s" => \$opts{imagedir},
  "imageuri|u=s" => \$opts{imageuri},
  "encoding|e=s" => \$opts{encoding},
  "indented|i=i" => \$opts{indented},
);

pod2usage(-verbose => 1, -exitval => 0) if $opts{help};
pod2usage(-verbose => 2, -exitval => 0) if $opts{man};

my %params;
if($opts{dom}){
  eval "require $opts{dom}";
  die $@ if $@;
  $params{DOMImplementation} = $opts{dom};
}else{
  eval { require XML::GDOME };
  if($@){
    eval { require XML::DOM };
    die "Can't load either XML::GDOME or XML::DOM\n" if $@;
    $params{DOMImplementation} = 'XML::DOM';
  }
}

if($opts{noimages}){
  $params{discard_images} = 1;
}else{
  $params{image_dir} = $opts{imagedir} if defined $opts{imagedir};
  $params{image_uri} = $opts{imageuri} if defined $opts{imageuri};
}

$params{codepage} = $opts{encoding} if $opts{encoding};
$params{formatting} = $opts{indented} if defined $opts{indented};

#-----------------------------------------------
# Converting RTF to HTML
#-----------------------------------------------

if(defined $ARGV[0]){
  open(FR, "< $ARGV[0]") or die "Can't open '$ARGV[0]': $!!\n";
    $params{in} = \*FR;
    $tempfile = $ARGV[0];
    $tempfile =~ /^(.*?)rtf/;
    $Outfile = $1."html";
    $txtfile = $1."txt";

  open(FW, "> $Outfile") or die "Can't open '$Outfile': $!!\n";
   $params{out} = \*FW;
   print "\n$Outfile - HTML Created\n"

}

my $parser = RTF::HTMLConverter->new(%params);
$parser->parse();


close FW;

#-----------------------------------------------
# Opening HTML and TXT files
#-----------------------------------------------

open (FILE1, ">$txtfile") or die "Can't open '$txtfile': $!!\n";
open (FILE2, "$Outfile") or die "Can't open '$Outfile': $!!\n";

#-----------------------------------------------
# Converting HTML to TXT file
#-----------------------------------------------

local $/ = undef;
while ($line = <FILE2>) {
    $line =~ s/\n//g;
    $line =~ s/(<!DOCTYPE HTML.*><html><head>.*<\/style>)/<sectd>/;
    $line =~ s/<font.*?>//g;
    $line =~ s/<\/font>//g;
    $line =~ s/<table .*?>/\n<table>\n/g;
    $line =~ s/<\/table>/\n<\/table>/g;
    $line =~ s/<td .*?>/\n<td>/g;
    $line =~ s/<tr>/\n<tr>/g;
    $line =~ s/<\/tr>/\n<\/tr>/g;
    $line =~ s/<ul.*?>/\n<ul>/g;
    $line =~ s/<li.*?>/\n<li>/g;
    $line =~ s/<\/ul>/\n<\/ul>/g;
    $line =~ s/<\/body><\/html>//g;
    $line =~ s/<p.*?>/\n<p>/g;
    $line =~ s/<p>(&nbsp;|\*|\s)+<\/p>//g;
    $line =~ s/&nbsp;//g;
  $line =~ s/(<sectd>\n?.*?)<\/head><body>/$1/g;

#-------------------
#  Entity Conversion
#-------------------
  $line =~ s/&rsquo;/&#x2018;/g;
  $line =~ s/“/&#x201C;/g;
  $line =~ s/”/&#x201D;/g;
  $line =~ s/¶/&para;/g;

    print FILE1 $line;
}

print "$txtfile - TXT file Created \n";

close FILE1;
close FILE2;

unlink ("$Outfile");

使用5.8.0；
严格使用；
使用警告；
使用Getopt:：Long；
使用Pod：：用法；
使用RTF:：HTMLConverter；
#-------------------------------------------------------------------
#可变偏角
#-------------------------------------------------------------------
我的$tempfile=“”；
我的$Outfile=“”；
我的$txtfile=“”；
我的$URL=“”；
我的$Format=“”；
我的$TreeBuilder=“”；
我的$Parsed=“”；
我的$line=“”；
我的%opts；
获取选项(
“help | h |？”=>\$opts{help}，
“man | m”=>\$opts{man}，
“dom=s”=>\$opts{dom}，
“noimages | n”=>\$opts{noimages}，
“imagedir | d=s”=>\$opts{imagedir}，
“imageuri | u=s”=>\$opts{imageuri}，
“encoding | e=s”=>\$opts{encoding}，
“缩进| i=i”=>\$opts{indented}，
);
pod2usage（-verbose=>1，-exitval=>0）如果$opts{help}；
如果$opts{man}，则pod2usage（-verbose=>2，-exitval=>0）；
我的%params；
if（$opts{dom}）{
eval“需要$opts{dom}”；
死亡$@如果$@；
$params{DOMImplementation}=$opts{dom}；
}否则{
eval{requirexml:：GDOME}；
如果（$@）{
eval{requirexml:：DOM}；
如果$@，则die“无法加载XML:：GDOME或XML:：DOM\n”；
$params{dominimplementation}='XML:：DOM'；
}
}
如果（$opts{noimages}）{
$params{discard_images}=1；
}否则{
$params{image_dir}=$opts{imagedir}（如果定义为$opts{imagedir}）；
$params{image_uri}=$opts{imageuri}（如果定义为$opts{imageuri}）；
}
$params{codepage}=$opts{encoding}如果$opts{encoding}；
$params{formatting}=$opts{indented}（如果定义为$opts{indented}）；
#-----------------------------------------------
#将RTF转换为HTML
#-----------------------------------------------
如果（定义为$ARGV[0]）{
打开（FR“<$ARGV[0]”）或死亡“无法打开“$ARGV[0]”：$！！\n”；
$params{in}=\*FR；
$tempfile=$ARGV[0]；
$tempfile=~/^（.*）rtf/；
$Outfile=$1.“html”；
$txtfile=$1.“txt”；
打开（FW，“>$Outfile”）或死亡“无法打开“$Outfile”：$！！\n”；
$params{out}=\*FW；
打印“\n$Outfile-已创建HTML\n”
}
my$parser=RTF:：HTMLConverter->new（%params）；
$parser->parse（）；
关闭FW；
#-----------------------------------------------
#打开HTML和TXT文件
#-----------------------------------------------
打开（文件1，“>$txtfile”）或死亡“无法打开“$txtfile”：$！！\n”；
打开（文件2，“$Outfile”）或死亡“无法打开“$Outfile”：$！！\n”；
#-----------------------------------------------
#将HTML转换为TXT文件
#-----------------------------------------------
本地$/=undef；
而（$line=）{
$line=~s/\n//g；
$line=~s/（.*）/；
$line=~s///g；
$line=~s///g；
$line=~s/\n\n/g；
$line=~s/\n/g；
$line=~s/\n/g；
$line=~s/\n/g；
$line=~s/\n/g；
$line=~s/\n
    /g；
$line=~s/\n
  • /g；
$line=~s/\n/g；
$line=~s///g；
$line=~s/\n/g；
$line=~s/（|\*\s）+//g；
$line=~s///g；
$line=~s/（\n？*？）/$1/g；
#-------------------
#实体转换
#-------------------
$line=~s/&x2018；/g；
$line=~s/“/“；/g；
$line=~s/“/”；/g；
$line=~s/`s/¶；/g；
打印文件1$行；
}
打印“$txtfile-已创建的TXT文件\n”；
关闭文件1；
关闭文件2；
取消链接（“$Outfile”）；
您需要使用如下模块：

您需要使用如下模块：

我是链接模块的作者。不要用它。如果可能的话，请使用真正的RTF到文本转换器，如Pandoc。

我是链接模块的作者。不要用它。如果可能的话，请使用真正的RTF-to-text转换器，如Pandoc。

它不会给出RTF-to-text的完整概念。你能给我更详细的解释吗？从cpan（谷歌如何）安装模块。在脚本中添加“use RTF:：TEXT:：Converter；”行，并将RTF文件声明为字符串（$name=“../path/file”，并遵循该页所述的语法。RTF:：Parser的文档将其描述为“一个不推荐使用的事件驱动RTF解析器”。因此，这可能不是最好的建议：-/它不会给出RTF到文本的完整概念。你能给我更详细的解释吗？从cpan（google how）安装模块。在脚本中添加“use RTF:：text:：Converter；”行，并将RTF文件声明为字符串（$name='../path/file'，并遵循该页所述的语法。RTF:：Parser的文档将其描述为“一个不推荐使用的事件驱动RTF解析器”。因此，可能不是推荐的最佳选项：-/Pandoc没有-f读取器（截至2014.12年2月1日）。它将编写rtf，但要求的是rtf->格式化文本。理论上，在未来的某个时候，Pandoc将是正确的答案；唉，时间还没有…：（@petersergeant，我知道你也是：你仍然（2020）建议我们不要将这些工具用于rtf->TXT转换吗？Pandoc没有-f阅读器（截至2014.12.1.13.02）。它将编写rtf，但要求的是rtf->格式化文本。理论上，在未来的某个时候，Pandoc将是正确的答案；唉，时间还没有到……：（@petersergeant，我知道你也是：你（2020）仍然建议我们不要将这些工具用于rtf->TXT转换吗？