Question

我可以打开.doc文件并使用Ruby获取该文件的内容吗？

Answer 1

如果您只需要纯文本内容，则可能需要查看Yomu。它是一个gem，它充当Apache TIKA的包装器，它支持各种文档格式，包括以下内容：

Microsoft Office OLE 2和Office Open XML格式（.doc，.docx，.xls，.xlsx，.ppt，.pptx）
OpenOffice.org OpenDocument格式（.odt，.ods，.odp）
Apple iWorks格式
富文本格式（.rtf）
可移植文档格式（.pdf）

Answer 2

gem docx使用起来非常简单

require 'docx'

puts Docx::Document.open('test.docx')

或

d = Docx::Document.open('test.docx')
d.each_paragraph do |p|
  puts p
end

您可以在https://github.com/chrahunt/docx找到它并按gem install docx

安装然而，docx不支持.doc文件（单词2007及更早版本），那么你可以像这样使用WIN32OLE：

require 'win32ole'

begin
  word = WIN32OLE.connect('Word.Application')
  doc = word.ActiveDocument
rescue
  word = WIN32OLE.new('word.application')
  path_open = 'C:\Users\...\test.doc' #yes: backslashes in windows
  doc = word.Documents.Open(path_open)
end

word.visible = true
doc.Sentences.each { |x| puts x.text }

Answer 3

是和否

在Ruby中，您可以执行以下操作：

thedoc = `externalProgram some_file`

所以你需要的是一个好的 externalProgram。

您可以查看software library wv或（显然最近未更新）program antiword.我想其他人。 OpenOffice 可以读取doc文件和导出文本文件，因此通过CLI驱动OO也可能有效。

Answer 4

如果您使用的是Windows，则可以使用：http://www.ruby-doc.org/stdlib/libdoc/win32ole/rdoc/classes/WIN32OLE.html

Answer 5

我最近在一个项目中处理了这个问题，发现我想要一个更轻量级的库来从.doc，.docx和.pdf文件中获取文本。 DocRipper使用Antiword，grep和Poppler / pdftotext命令行工具的组合来从文件中获取文本内容并将其作为utf-8字符串返回。

dr = DocRipper::TextRipper.new('/path/to/file')
dr.text
=> "Document's text"

在Ruby中打开.doc文件

5 个答案:

是和否