在Ruby中打开.doc文件

我可以打开.doc文件并使用Ruby获取该文件的内容吗？

Answer 1

如果您只需要纯文本内容，您可能需要查看Yomu 。 它是一个gem，它充当Apache TIKA的包装器，它支持各种文档格式，包括以下内容：

• Microsoft Office OLE 2和Office Open XML格式（.doc，.docx，.xls，.xlsx，.ppt，.pptx）
• OpenOffice.org OpenDocument格式（.odt，.ods，.odp）
• Apple iWorks格式
• 富文本格式（.rtf）
• 可移植文档格式（.pdf）

Answer 2

gem docx使用起来非常简单

require 'docx' puts Docx::Document.open('test.docx') 

要么

 d = Docx::Document.open('test.docx') d.each_paragraph do |p| puts p end 

你可以在https://github.com/chrahunt/docx找到它并通过gem install docx安装它

但是docx不支持.doc文件（word 2007及更早版本），那么你可以像这样使用WIN32OLE：

 require 'win32ole' begin word = WIN32OLE.connect('Word.Application') doc = word.ActiveDocument rescue word = WIN32OLE.new('word.application') path_open = 'C:\Users\...\test.doc' #yes: backslashes in windows doc = word.Documents.Open(path_open) end word.visible = true doc.Sentences.each { |x| puts x.text } 

Answer 3

是和否

在Ruby中，您可以执行以下操作：

 thedoc = `externalProgram some_file` 

所以你需要的是一个好的外部程序。

您可以查看软件库wv或（显然不是最近更新的） 程序反词。 我想还有其他人。 OpenOffice可以读取doc文件和导出文本文件，因此通过CLI驱动OO也可能有效。

Answer 4

如果你在Windows上，这将工作： http ： //www.ruby-doc.org/stdlib/libdoc/win32ole/rdoc/classes/WIN32OLE.html

Answer 5

我最近在一个项目中处理过这个问题，发现我想要一个更轻量级的库来从.doc，.docx和.pdf文件中获取文本。 DocRipper使用Antiword，grep和Poppler / pdftotext命令行工具的组合来从文件中获取文本内容并将其作为utf-8字符串返回。

 dr = DocRipper::TextRipper.new('/path/to/file') dr.text => "Document's text"