将单词（.docx）转换为docbook

Question

我的任务是找到一种方法将大量的.docx文件转换为docbook 5.目前，我们在openoffice中打开文件并保存到docbook。这是一项耗时的任务，但我相信有更好的方法。然后，这些文件将进一步处理到我们的自定义Relax NG模式。因此，这种转换不需要完美无缺。我环顾四周，并将继续调查一些线索，但没有找到任何有用的东西。

查看他们建议的Convert doc/docx to semantic HTML upCast，但这似乎不适合我的需要。

我正在寻找可以从命令行使用的免费软件。我最终想批量处理我们的文件。我已经包含了linux，python和java标签，这些是我最舒服的环境，但愿意为正确的解决方案而努力。在我出去重新发明轮子之前，我正在尝试做一些研究。

Answer 1

有几种方法可以使用OpenOffice中的外部脚本和脚本来编写脚本。有关示例，请参阅以下链接：

• http://juretta.com/log/2006/08/10/convert_microsoft_word_to_docbook_xml_using_ruby_and_openoffice/
• http://www.oooninja.com/2008/02/batch-command-line-file-conversion-with.html
• http://www.xml.com/pub/a/2006/01/11/from-microsoft-to-openoffice.html
• http://mail.python.org/pipermail/python-announce-list/2006-May/004951.html
• http://dag.wieers.com/home-made/unoconv/

上面的一些链接没有使用Java或Python，但原则仍然适用，脚本通常很短，可以移植（第一个例子是Ruby，但由于简单，这是我个人的最爱） ）。

Answer 2

冒着从SX获得考古学家徽章的风险，答案应包括对Pandoc的引用。这不依赖于开放式办公室。

pandoc -f docx -t docbook -o newdocbook.dbk --standalone original.docx

Answer 3

您可以在服务器模式下运行openoffice并将文档提供给它，而无需手动打开每个文档。

一种方式： http://code.google.com/p/bungeni-editor/wiki/RunningTheJODConverterServer