.doc到纯文本转换器

Question

是否有可用于将MSWord .doc / .docx文件转换为纯文本格式的c / c ++开源库？

Answer 1

你可以看看这个（类似的问题）：

How to extract plain text from MS word document file in pure C++?

Answer 2

这些实际上不是库，但可能仍然有用。我知道antiword和catdoc有2个控制台应用程序。 Antiword是GPL，catdoc源也可用，但我不确定许可证。这些是用C语言编写的，所以应该可以使用C ++中的这些。

Answer 3

如果所有其他方法都失败了，.docx文件实际上是一个包含多个目录的ZIP文件。其中一个目录中的一个文件中包含文档文本，带有标记的XML。您必须处理一些标记，因为它们标记了行结束，但大多数标记标记了自动更正标记各种内容的位置，或标记格式化的随机分布的5级深嵌套标记。

（我必须在没有Internet访问权限的机器上手动执行此操作。有人使用Office 2011保存了一个文件，并希望在Office 2005左右在好友的地方打开它。）

Answer 4

我不知道有关此任务的库，但也许您可以从Antiword中提取重要位。我不确定Antiword是否会处理docx。