我需要一种方法来转换.doc或.docx扩展.txt无需安装任何东西。 我也不想必须手动打开Word来显然做到这一点。 只要运行它的汽车。
我在想，是Perl或者VBA可以做的伎俩，但无论我不能在网上找到任何东西。
有什么建议？
Answer 1:
请注意，Microsoft Office应用程序信息的极好来源为对象浏览器 。 您可以通过访问Tools → Macro → Visual Basic Editor 。 一旦你在编辑器中，点击F2浏览接口，方法，并通过Microsoft Office应用程序提供的属性。
下面是使用一个例子的Win32 :: OLE ：
#!/usr/bin/perl
use strict;
use warnings;
use File::Spec::Functions qw( catfile );
use Win32::OLE;
use Win32::OLE::Const 'Microsoft Word';
$Win32::OLE::Warn = 3;
my $word = get_word();
$word->{Visible} = 0;
my $doc = $word->{Documents}->Open(catfile $ENV{TEMP}, 'test.docx');
$doc->SaveAs(
catfile($ENV{TEMP}, 'test.txt'),
wdFormatTextLineBreaks
);
$doc->Close(0);
sub get_word {
my $word;
eval {
$word = Win32::OLE->GetActiveObject('Word.Application');
};
die "$@\n" if $@;
unless(defined $word) {
$word = Win32::OLE->new('Word.Application', sub { $_[0]->Quit })
or die "Oops, cannot start Word: ",
Win32::OLE->LastError, "\n";
}
return $word;
}
__END__
Answer 2:
一个简单的Perl只为DOCX的解决方案：
使用档案::邮编拿到
word/document.xml从文件docx文件。 （A DOCX只是一个压缩文档）。使用XML ::的libxml解析它。
然后使用XML ::的libxslt将其转化为文本或HTML格式。 SEACH网上找到一个很好的docx2txt.xsl文件：
干杯！
J.
Answer 3:
我强烈建议AsposeWords如果你能做到Java或.NET。 它可以转换，没有安装Word，所有主要的文本文件类型之间。
Answer 4:
如果你安装了UNIX的一些味道，你可以用“弦”实用程序来查找和提取文档的所有可读的字符串。 会有一些混乱之前，你正在寻找的文字后，但结果将是可读的。
Answer 5:
对于.DOC，我已经取得了一些成功的Linux命令行工具antiword 。 它提取自.DOC文本速度非常快，给人压痕良好呈现。 然后，你可以通过管道将要在bash的文本文件。
对于.DOCX，我使用的OOXML SDK其他一些用户提及。 这仅仅是一个.NET库，以使其更容易与在一个OOXML文件压缩了的OOXML工作。 有很多，你会想放弃，如果你只在文字感兴趣的元数据。 其他一些人已经写我看到的代码： DocXToText 。
使用Aspose.Words有很大的支持非常简单的API嫌我已经找到。
还有一个从commandlinefu.com运作在解压的.docx这个bash命令：
unzip -p some.docx word/document.xml | sed -e 's/<[^>]\{1,\}>//g; s/[^[:print:]]\{1,\}//g'
Answer 6:
请注意，您还可以使用OpenOffice的 ，以在Windows和* nix平台上执行杂项文件，图纸，等试算表等转换。
您可以通过编程访问OpenOffice的（在某种程度上类似于在Windows COM） UNO从各种语言的其中UNO结合存在，包括通过的Perl 的OpenOffice :: UNO模块。
在OpenOffice的UNO ::页面 ，你还会发现它打开的文档的示例Perl小脚本，那么所有你需要做的是将它导出到txt使用document.storeToURL()方法-看到一个Python的例子 ，可以很容易地适合你的Perl的需求。
Answer 7:
.DOC的使用的WordprocessingML中和的.docx的XML格式，可以有自己的XML解析检索文档的实际文本。 你必须阅读它们的规格来确定哪些代码包含可读文本。
Answer 8:
思南Ünür的方法效果很好。
但是，我得到了一些崩溃与我正在改变的文件。
另一种方法是使用的Win32 :: OLE和Win32 ::剪贴板这样：
- 打开Word文档
- 选择所有的文本
- 复制剪贴板
- 打印剪贴板的内容在一个txt文件
- 清空剪贴板和关闭Word文档
基于由Sigvald Refsu给出的剧本http://computer-programming-forum.com/53-perl/c44063de8613483b.htm ，我想出了下面的脚本。
注：我选择保存名称一样.docx文件，并在同一个文件夹的txt文件，但这可以很容易地改变
###########################################
use strict;
use File::Spec::Functions qw( catfile );
use FindBin '$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;
}
希望它可以帮助你。
Answer 9:
你不能做到这一点在VBA，如果你不想启动Word（或其他Office应用程序）。 即使你的意思是VB，你还是不得不启动Word的（隐藏）实例做处理。
Answer 10:
我需要一种方法来转换.doc或.docx的不必安装任何东西为.txt
for I in *.doc?; do mv $I `echo $ | sed 's/\.docx?/\.txt'`; done
只是在开玩笑。
您可以使用antiword为老版本的Word文档，并试图解析新的XML。
Answer 11:
随着docxtemplater ，你可以很容易地得到一个字的全文（与DOCX只适用）。
下面的代码（Node.js的）
DocxTemplater=require('docxtemplater');
doc=new DocxTemplater().loadFromFile("input.docx");
result=doc.getFullText();
这仅仅是三行代码，并且不依赖于任何字实例（所有纯JS）
文章来源: Convert Word doc or docx files into text files?
