如何使用 Perl 提取 Word 文档中的数据？答案

【问题标题】：How can I extract data in a Word document using Perl?如何使用 Perl 提取 Word 文档中的数据？
【发布时间】：2010-11-10 14:44:15
【问题描述】：

如何使用 Perl 从 word doc 中提取数据？

【问题讨论】：

您要提取什么特定数据？在什么平台上？您是否安装了 Word 的副本？这是一个批处理作业，还是将由 Web 服务器调用该脚本？您的问题的标题和正文相同，表明您在提出问题时没有考虑太多。
另外，如果您在 Windows 上并且可以使用 Win32::OLE 并且您想要的只是文档中的文本，请参阅 stackoverflow.com/questions/1110409/…。
我正在使用 Windows，我想提取在该 Word 文档中找到的缩写词……这就是我的任务……
你能给我一个简单的例子，阅读一个word文档并在命令提示符下打印数据...

标签： perl ms-word

【解决方案1】：

在 Windows 上，您最好使用 COM 接口来访问 Word 功能。

如果您想跨平台执行，请考虑执行“catdoc”或 libwv。

【讨论】：

【解决方案2】：

如果脚本要在安装了 Word 的 Windows 机器上运行，您可以使用 Win32::OLE。

您使用的是什么平台？或许可以调用antiword？

【讨论】：

【解决方案3】：

Word 文档不再是平面文件。找到一个 .docx，用 .zip 扩展名重命名它，然后您可以打开它并在里面四处寻找，以了解事物的布局。尽管微软已经提供了执行此操作的方法，但我通常会同意。

【讨论】：

【解决方案4】：

如果您不在 Windows 上，我认为最好的方法可能是先转换它。

如果您没有使用 Windows 并且无权访问 Win32::OLE，则可以使用 OpenOffice to convert the documents。

您可以将链接中的脚本封装到您的 Perl 程序中。虽然链接以 PDF 开头，但如果您阅读它可以将其转换为文本。另见this stackoverflow post about converting doc and docx files。

【讨论】：

你能给我一个简单的例子来阅读一个word文档并在命令提示符下打印它的数据吗...

【解决方案5】：

use Win32::OLE;
use Win32::OLE::Enum;

$document = Win32::OLE -> GetObject($ARGV[1]);
open (FH,">$ARGV[0]");

print "Extracting Text ...\n";

$paragraphs = $document->Paragraphs();
$enumerate = new Win32::OLE::Enum($paragraphs);
while(defined($paragraph = $enumerate->Next()))
{
    $style = $paragraph->{Style}->{NameLocal};
    print FH "+$style\n";
    $text = $paragraph->{Range}->{Text};
    $text =~ s/[\n\r]//g;
    $text =~ s/\x0b/\n/g;
    print FH "=$text\n";
}

盗自here

【讨论】：