python 在 Linux 上将 Microsoft Office 文档转换为纯文本

发布于 2024-07-16 07:17:51 字数 133 浏览 4 评论 0原文

关于在 Linux 上使用 python 将 .doc、.ppt 和 .xls 转换为纯文本的方法有什么建议吗？实际上任何转换方法都会有用。我已经考虑过使用 Open Office，但是我想要一个不需要安装 Open Office 的解决方案。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

挽你眉间 2024-07-23 07:17:51

我会选择命令行解决方案（然后使用 Python 子进程模块从 Python 运行工具）。

msword (catdoc)、excel (xls2csv) 和 ppt (catppt) 的转换器可在此处（以源形式）找到：http://vitus.wagner.pp.ru/software/catdoc/。

无法真正评论 catppt 的实用性，但 catdoc 和 xls2csv 工作得很好！

但一定要先搜索你的发行版存储库...在 ubuntu 上，例如 catdoc 只是一个快速的 apt-getaway。

回复收藏 0 原文

后eg是否自 2024-07-23 07:17:51

您可以通过 Python API 访问 OpenOffice。

尝试使用此作为基础： http://wiki.services.openoffice.org/wiki /Odt2txt.py

回复收藏 0 原文

甜点 2024-07-23 07:17:51

将 Microsoft Office 文档转换为 HTML 或其他格式的常用工具是 mswordview，后来更名为 vwWare 。

如果您正在寻找命令行工具，他们实际上建议使用 AbiWord 来执行转换：

AbiWord --to=txt

如果您正在寻找库，请从 wvWare 概述页面。他们还维护读取 MS Office 文档的库和工具列表。

The usual tool for converting Microsoft Office documents to HTML or other formats was mswordview, which has since been renamed to vwWare.

If you're looking for a command-line tool, they actually recommend using AbiWord to perform the conversion:

AbiWord --to=txt

If you're looking for a library, start on the wvWare overview page. They also maintain a list of libraries and tools which read MS Office documents.

回复收藏 0 原文

痕至 2024-07-23 07:17:51

在命令行中，反词或 wv 非常适合 .doc 文件。（不是 Python 解决方案，但它们易于安装且速度很快。）

回复收藏 0 原文

扬花落满肩 2024-07-23 07:17:51

这里同样的问题。下面是我的简单脚本，用于使用 catdoc 将目录“docs/”中的所有文档文件转换为目录“txts/”。希望它能帮助某人：

#!/usr/bin/env python 
# -*- coding: utf-8 -*-

import glob, re, os
f = glob.glob('docs/*.doc') + glob.glob('docs/*.DOC')

outDir = 'txts'
if not os.path.exists(outDir):
    os.makedirs(outDir)
for i in f:
    os.system("catdoc -w '%s' > '%s'" %
              (i, outDir + '/' + re.sub(r'.*/([^.]+)\.doc', r'\1.txt', i,
                                   flags=re.IGNORECASE)))

Same problem here. Below is my simple script to convert all doc files in dir 'docs/' to dir 'txts/' using catdoc. Hope it will help someone:

#!/usr/bin/env python 
# -*- coding: utf-8 -*-

import glob, re, os
f = glob.glob('docs/*.doc') + glob.glob('docs/*.DOC')

outDir = 'txts'
if not os.path.exists(outDir):
    os.makedirs(outDir)
for i in f:
    os.system("catdoc -w '%s' > '%s'" %
              (i, outDir + '/' + re.sub(r'.*/([^.]+)\.doc', r'\1.txt', i,
                                   flags=re.IGNORECASE)))

回复收藏 0 原文