Командная строка для преобразования всех .docx в каталог (и подкаталоги) в текстовый файл и запись новых файлов

Question

Я хотел бы преобразовать все файлы .docx в каталог (и подкаталоги) в текстовые файлы из командной строки (так что я может использовать grep после этих файлов). Я нашел этот

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

here, который работает хорошо, но он посылает файл в терминале. Я хотел бы написать новый текстовый файл (.txt, например) в том же каталоге, что и файл .docx. И я хотел бы, чтобы сценарий сделал это рекурсивно.

У меня есть это, используя antword, которые делают то, что я хочу для файлов .doc, но это не работает для .docx-файлов.

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

Я попытался смешать оба, но безуспешно ... Была бы оценена командная строка, которая будет работать в одно и то же время!

Спасибо

Answer 1

Следующий сценарий ..

• преобразует все DOCX файлов в каталоге, где вы запустите его, рекурсивно (адаптировать . в find . к вашей желаем отправной точки)
• пишет txt, где он нашел файл docx

Bash script:

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 

После этого вы можете запустить Grep следующим образом:

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

Answer 2

Вы можете использовать pandoc для преобразования файлов DOCX. Он не поддерживает файлы .doc, поэтому вам понадобятся как pandoc, так и antiword.

Повторное использование вашей while цикл:

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