如何使用 Perl 提取 Word 文档中的数据？

Question

如何使用 Perl 从 Word 文档中提取数据？

Answer 1

如果您使用的不是 Windows，我认为最好的方法可能是首先对其进行转换。

如果您使用的不是 Windows 并且无权访问 Win32::OLE ，您可以使用 OpenOffice 来转换文档< /a>.

您可以将链接中的脚本包装到 Perl 程序中。 虽然链接以 PDF 开头，但如果您阅读它，可以将其转换为文本。 另请参阅 此 stackoverflow 帖子转换 doc 和 docx 文件。

Answer 2

如果脚本要在安装了 Word 的 Windows 机器上运行，则可以使用 Win32::OLE。

您使用什么平台？ 也许可以调用 antiword ？

Answer 3

use Win32::OLE;
use Win32::OLE::Enum;

$document = Win32::OLE -> GetObject($ARGV[1]);
open (FH,">$ARGV[0]");

print "Extracting Text ...\n";

$paragraphs = $document->Paragraphs();
$enumerate = new Win32::OLE::Enum($paragraphs);
while(defined($paragraph = $enumerate->Next()))
{
    $style = $paragraph->{Style}->{NameLocal};
    print FH "+$style\n";
    $text = $paragraph->{Range}->{Text};
    $text =~ s/[\n\r]//g;
    $text =~ s/\x0b/\n/g;
    print FH "=$text\n";
}

从此处盗取

Answer 4

在 Windows 上，您最好使用 COM 接口来访问 Word 功能。

如果您想跨平台执行此操作，请考虑执行“catdoc”或 libwv。

Answer 5

Word 文档不再是平面文件。 找到一个 .docx，用 .zip 扩展名重命名它，然后您可以打开它并在里面翻阅以了解内容的布局方式。 我总体上同意微软已经提供了做到这一点的方法。