将大量word文档自动转换为xml，修改它们，然后将它们转换为latex，pdf，html

Question

有一套约400个单词的文档是质量管理系统Word的一部分，这让我很难过，因为a）它处理大文档中的图像很差b）布局有时被破坏c）它很麻烦为不同的客户端配置文档。

我可以将单个文档保存为xml / html或文本，然后手动将它们转换为乳胶，但这对于400个文档是不可能的。我知道我可以使用像PrimoPDF这样的工具将word文档直接打印到pdf，但这不够灵活，因为我需要修改内容。

有没有办法将文档的结构保留为纯文本，标题，表格，图像并将其转换为XML？之后我想根据客户的选择将XML转换为html，latex和pdf，并修改内容？ xslt是一种将xml转换为其他格式的方法吗？

感谢您的任何建议。

Answer 1

您可以将文档转换为Word 2007. Office 2007文档是 XML文档：只需将文件扩展名更改为.zip和upzip。此外，Microsoft还发布了一个用于处理Office 2007文档的API，该文档比使用XML标记更高级。

Answer 2

要将MS Word批量转换为其他内容，您可以查看OpenOffice.org。 OpenOffice有一个（命令行）批处理模式，用于批量转换。您还可以查看使用该机制转换文档的JodConverter。

通过这种方式，您可以将Micrososoft Word大规模转换为OpenOffice.org支持的其他格式。也许是文本，也许是RTF，也许是OpenOffice XML。

然后您可以更轻松地转换为Latex格式。

在Stack Overflow上搜索Word和OpenOffice，您会找到this one about Word to Html conversion之类的结果。

Answer 3

对Word＆lt; - ＆gt;有建议TUG（TeX用户组）的LaTeX转换：

http://www.tug.org/utilities/texconv/pctotex.html

可能值得一看，看看是否有任何建议和方法符合您的要求。

Answer 4

不确定它有多好，但有Word2tex。