Question

我想将目录（和子目录）中的所有.docx文件从命令行转换为文本文件（因此我可以在这些文件后使用grep）。我发现了这个

unzip -p tutu.docx word/document.xml | sed -e 's/<\/w:p>/\n/g; s/<[^>]\{1,\}>//g; s/[^[:print:]\n]\{1,\}//g'

here效果很好，但它会在终端中发送文件。我想将新文本文件（例如.txt）写在与.docx文件相同的目录中。我想要一个脚本来递归地执行此操作。

我有这个，使用反义词，做我想要的.doc文件，但它不适用于.docx文件。

find . -name '*.doc' | while read i; do antiword -i 1 "${i}" >"${i/doc/txt}"; done

我尝试将两者混合但没有成功......同时执行这两项操作的命令行将不胜感激！

谢谢

Answer 1

您可以使用pandoc转换docx文件。它不支持.doc个文件，因此您需要pandoc和antiword。

重用while循环：

find . -name '*.docx' | while read i; do pandoc --from docx --to plain "${i}" >"${i/docx/txt}"; done

Answer 2

以下脚本..

以递归方式转换您运行它的目录中的所有docx文件（将.中的find .调整到您希望的起点）
将txt文件写入找到docx文件

Bash脚本：

find . -name "*.docx" | while read file; do
    unzip -p $file word/document.xml |
        sed -e 's/<[^>]\{1,\}>//g; s/[^[:print:]]\{1,\}//g' > "${file/docx/txt}"
done

之后你可以像这样运行grep：

grep -r "some text" --include "*.txt" .

命令行将目录（和子目录）中的所有.docx转换为文本文件并写入新文件

2 个答案: