Ruby on rails 在Ruby中打开.doc文件

我可以打开一个.doc文件并使用Ruby获取该文件的内容吗？

是和否 在Ruby中，您可以执行以下操作：

thedoc = `externalProgram some_file`

所以你需要一个好的外部程序

---

你可以看看或（显然不是最近更新的）我想还有其他的。OpenOffice可以读取文档文件和导出文本文件，因此通过CLI驱动OO可能也会起作用。

如果您在Windows上，这将起作用：

如果您只需要纯文本内容，您可能需要查看一下。它是一个gem，充当Apache TIKA的包装器，支持多种文档格式，包括以下内容：

• Microsoft Office OLE 2和Office Open XML格式（.doc、.docx、.xls、.xlsx、.ppt、.pptx）
• OpenOffice.org OpenDocument格式（.odt、.ods、.odp）
• 苹果iWorks格式
• 富文本格式（.rtf）
• 可移植文档格式（.pdf）

---

gem docx使用非常简单

require 'docx'

puts Docx::Document.open('test.docx')

或
您可以在找到它，并通过

gem install docx安装它

但是docx不支持.doc文件（word 2007和更早版本），那么您可以像这样使用WIN32OLE：

require 'win32ole'

begin
  word = WIN32OLE.connect('Word.Application')
  doc = word.ActiveDocument
rescue
  word = WIN32OLE.new('word.application')
  path_open = 'C:\Users\...\test.doc' #yes: backslashes in windows
  doc = word.Documents.Open(path_open)
end

word.visible = true
doc.Sentences.each { |x| puts x.text }

我最近在一个项目中处理了这个问题，发现我想要一个更轻量级的库来获取.doc、.docx和.pdf文件中的文本。使用Antiword、grep和Poppler/pdftotext命令行工具的组合从文件中获取文本内容，并将其作为utf-8字符串返回

dr = DocRipper::TextRipper.new('/path/to/file')
dr.text
=> "Document's text"

你能写出代码示例中使用的gem名称吗？你可以在上找到它，然后通过gem install docxThank安装它，我正在尝试！nokogiri解析有点问题：“nokogiri:：XML:：XPath:：SyntaxError:未定义的命名空间前缀：//w:document//w:body//w:p”但是解析“.doc”MS Word 2004文件怎么样？现在，我看到一个错误-未知的OLE服务器：`Word.Application'：（你好，杰森，你的问题很长时间都没有答案了，你找到解决办法了吗？你愿意接受其中一个答案吗？
dr = DocRipper::TextRipper.new('/path/to/file')
dr.text
=> "Document's text"