Question

我正在搜索一个JavaScript库，它可以读取.doc - 和.docx个文件。重点仅放在文本内容上。我对MS-Word文件中的图片，公式或其他特殊结构不感兴趣。

如果库与JavaScript FileReader一起使用会很好，如下面的代码所示。

function readExcel(currfile) {
  var reader = new FileReader();

  reader.onload = (function (_file) {
      return function (e) {
          //here should the magic happen
      };
  })(currfile);

  reader.onabort = function (e) {
      alert('File read canceled');
  };

  reader.readAsBinaryString(currfile);
}

我通过互联网搜索，但我无法得到我想要的东西。

Answer 1

你可以使用docxtemplater（即使通常情况下，它用于模板，它也可以只获取文档的文本）：

firebase login

有关安装信息，请参阅the Doc（我是该项目的维护者）

但是，它只处理docx，而不是doc

Answer 2

现在您无需安装外部依赖项就可以从doc / docx中提取文本内容。

您可以使用名为any-text的节点库

当前，它支持许多文件扩展名，例如PDF，XLSX，XLS，CSV等

用法非常简单：

将库安装为依赖项（/ dev-dependency）

npm i -D any-text

利用getText方法读取文本内容

var reader = require('any-text');

reader.getText(`path-to-file`).then(function (data) {
  console.log(data);
});

您还可以使用async/await表示法

var reader = require('any-text');

const text = await reader.getText(`path-to-file`);

console.log(text);

样本测试

var reader = require('any-text');

const chai = require('chai');
const expect = chai.expect;

describe('file reader checks', () => {
  it('check docx file content', async () => {
    expect(
      await reader.getText(`${process.cwd()}/test/files/dummy.doc`)
    ).to.contains('Lorem ipsum');
  });
});

我希望它将对您有帮助！

用于在客户端上读取doc和docx的JavaScript库

2 个答案:

样本测试