自动将大量word文档转换为xml，修改它们，然后将它们转换为latex、pdf、html答案

【问题标题】：Converting large set of word documents automatically into xml, modify them and than convert them into latex, pdf, html自动将大量word文档转换为xml，修改它们，然后将它们转换为latex、pdf、html
【发布时间】：2009-07-25 08:32:57
【问题描述】：

拥有一组大约 400 个 Word 文档，这些文档是质量管理系统 Word 的一部分，这让我很伤心，因为 a) 它处理大型文档中的图像很差 b) 布局有时会被破坏 c) 它很麻烦为不同的客户端配置文档。

我可以通过将单个文档保存为 xml/html 或文本来转换它们，然后手动将它们转换为乳胶，但这对于 400 个文档是不可能的。我知道我可以使用 PrimoPDF 等工具将 word 文档直接打印为 pdf，但这不够灵活，因为我需要修改内容。

有没有办法保留文档的结构，如纯文本、标题、表格、图像并将其转换为 XML？之后我想根据客户的选择将 XML 转换为 html、latex 和 pdf 并修改内容？ xslt 是一种将 xml 转换为其他格式的方法吗？

感谢您的建议。

【问题讨论】：

标签： html xml pdf latex ms-word

【解决方案1】：

您可以将文档转换为 Word 2007。Office 2007 文档是 XML 文档：只需将文件扩展名更改为 .zip 并上压缩即可。此外，Microsoft 还发布了一个用于处理 Office 2007 文档的 API，该 API 比处理 XML 标记的级别更高。

【讨论】：

谢谢。到目前为止，我们使用的是旧版本，但我要求使用 Office 2007，以便详细说明 MS Office 2007 -> XML -> XML、XHTML、LaTex 和 PDF 的路径。

【解决方案2】：

对于将 MS Word 批量转换为其他内容，您可以查看 OpenOffice.org。 OpenOffice 具有用于批量转换的（命令行）批处理模式。您还可以查看JodConverter，它仅使用该机制转换文档。

这样您就可以将 Microsoft Word 批量转换为 OpenOffice.org 支持的其他格式。也许是文本，也许是 RTF，也许是 OpenOffice XML。

然后，您有希望更容易转换为 Latex 的格式。

在 Stack Overflow 上搜索 Word 和 OpenOffice，您会找到类似 this one about Word to Html conversion 的结果。

【讨论】：

【解决方案3】：

在 TUG（TeX 用户组）有关于 Word LaTeX 转换的建议：

http://www.tug.org/utilities/texconv/pctotex.html

这可能值得一看，看看是否有任何建议和方法符合您的要求。

【讨论】：

【解决方案4】：

不确定效果如何，但有Word2tex。

【讨论】：