python конвертировать документы Microsoft Office в обычный текст на linux

Question

Любые рекомендации по методу преобразования .doc, .ppt и .xls в обычный текст на linux с использованием python? Действительно, был бы полезен любой метод преобразования. Я уже рассмотрел использование Open Office, но мне хотелось бы, чтобы решение не требовало установки Open Office.

Answer 1

Я бы воспользовался командной строкой-решением (а затем с помощью Python subprocess module запустил инструменты из Python).

конвертеры для MSWord (catdoc), первенствует (xls2csv) и п.п. (catppt) можно найти (в виде исходного кода) здесь: http://vitus.wagner.pp.ru/software/catdoc/.

Нельзя прокомментировать полезность catppt, но catdoc и xls2csv отлично работают!

Но обязательно сначала найдите свои репозитории дистрибутивов ... На ubuntu, например, catdoc - это всего лишь один быстрый способ уйти.

Answer 2

Обычный инструмент для преобразования документов Microsoft Office в HTML или другие форматы был mswordview, который с тех пор был переименован в vwWare.

Если вы ищете инструмент командной строки, они на самом деле рекомендуется использовать AbiWord, чтобы выполнить преобразование:

AbiWord --to=txt 

Если вы ищете библиотеку, начать на wvWare overview page. Они также поддерживают a list of libraries and tools which read MS Office documents.

Answer 3

Для справок с таблицами Excel xlwt это хорошо. Но это не поможет с .doc и .ppt файлами.

(Вы можете также слышали о PyExcelerator. Xlwt форк этого и лучше поддерживается, так что я думаю, вы бы лучше не с xlwt.)

Answer 4

Вы можете получить доступ к OpenOffice via Python API.

Попробуйте использовать это в качестве основы: http://wiki.services.openoffice.org/wiki/Odt2txt.py

Answer 5

В командной строке, antiword или wv работают очень хорошо для файлов .doc. (Не решение Python, но они просты в установке и быстрой установке.)

Answer 6

У меня был некоторый успех при использовании XSLT для обработки файлов на основе XML в нечто, что можно было использовать в прошлом. Это не обязательно решение на основе python, но оно выполняет свою работу.

Answer 7

Такая же проблема здесь. Ниже мой простой скрипт для преобразования всех файлов doc в dir 'docs /' в dir 'txts /' с помощью catdoc. Надеюсь, что это поможет кому-то:

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 

import glob, re, os 
f = glob.glob('docs/*.doc') + glob.glob('docs/*.DOC') 

outDir = 'txts' 
if not os.path.exists(outDir): 
    os.makedirs(outDir) 
for i in f: 
    os.system("catdoc -w '%s' > '%s'" % 
       (i, outDir + '/' + re.sub(r'.*/([^.]+)\.doc', r'\1.txt', i, 
            flags=re.IGNORECASE)))