Word文書からコンテンツを取得しようとすると「Ole :: Storage :: FormatError：OLE2署名が無効です」

Question

Rails 5を使用しています。Word文書（.doc）からテキストを取り出したい私はこのコードを使用しています

text = nil 
    MSWordDoc::Extractor.load(file_location) do |ctl00_MainContent_List1_grdData| 
    text = contents.whole_contents 
    end 

私は以下のエラーが表示されます。私は私のGemfileにこの宝石を持っています

gem 'msworddoc-extractor' 

Word文書からコンテンツを取り出すには他に何が必要ですか？ .docxファイルに同じコードを適用して.docファイルに適用するといいですね。

/Users/davea/.rvm/gems/ruby-2.4.0/gems/ruby-ole-1.2.12/lib/ole/support.rb:201: warning: constant ::Fixnum is deprecated 
Ole::Storage::FormatError: OLE2 signature is invalid 
    from /Users/davea/.rvm/gems/ruby-2.4.0/gems/ruby-ole-1.2.12/lib/ole/storage/base.rb:378:in `validate!' 
    from /Users/davea/.rvm/gems/ruby-2.4.0/gems/ruby-ole-1.2.12/lib/ole/storage/base.rb:370:in `initialize' 
    from /Users/davea/.rvm/gems/ruby-2.4.0/gems/ruby-ole-1.2.12/lib/ole/storage/base.rb:112:in `new' 
    from /Users/davea/.rvm/gems/ruby-2.4.0/gems/ruby-ole-1.2.12/lib/ole/storage/base.rb:112:in `load' 
    from /Users/davea/.rvm/gems/ruby-2.4.0/gems/ruby-ole-1.2.12/lib/ole/storage/base.rb:79:in `initialize' 
    from /Users/davea/.rvm/gems/ruby-2.4.0/gems/ruby-ole-1.2.12/lib/ole/storage/base.rb:85:in `new' 
    from /Users/davea/.rvm/gems/ruby-2.4.0/gems/ruby-ole-1.2.12/lib/ole/storage/base.rb:85:in `open' 
    from /Users/davea/.rvm/gems/ruby-2.4.0/gems/msworddoc-extractor-0.2.0/lib/msworddoc/extractor.rb:11:in `load' 
    from /Users/davea/Documents/workspace/myproject/app/services/msword_processor_service.rb:12:in `pre_process_data' 
    from /Users/davea/Documents/workspace/myproject/app/services/abstract_import_service.rb:88:in `process_race_data' 
    from (irb):2 
    from /Users/davea/.rvm/gems/ruby-2.4.0@global/gems/railties-5.0.1/lib/rails/commands/console.rb:65:in `start' 
    from /Users/davea/.rvm/gems/ruby-2.4.0@global/gems/railties-5.0.1/lib/rails/commands/console_helper.rb:9:in `start' 
    from /Users/davea/.rvm/gems/ruby-2.4.0@global/gems/railties-5.0.1/lib/rails/commands/commands_tasks.rb:78:in `console' 
    from /Users/davea/.rvm/gems/ruby-2.4.0@global/gems/railties-5.0.1/lib/rails/commands/commands_tasks.rb:49:in `run_command!' 
    from /Users/davea/.rvm/gems/ruby-2.4.0@global/gems/railties-5.0.1/lib/rails/commands.rb:18:in `<top (required)>' 
    from bin/rails:4:in `require' 
    from bin/rails:4:in `<main>' 

Answer 1

使用している宝石には、宝飾品ruby-oleが依存しています。あなたはin the codeそれを見ることができます。

ole = Ole::Storage.open(file) 

あなたのWord文書は、それが本当にruby-ole宝石によって開かれているインポートする場合。

# i have seen it pointed out that the first 4 bytes of hex, 
# 0xd0cf11e0, is supposed to spell out docfile. hmmm :) 
MAGIC = "\xd0\xcf\x11\xe0\xa1\xb1\x1a\xe1" # expected value of Header#magic 

これはCFBF header formatを参照：

raise FormatError, "OLE2 signature is invalid" unless magic == MAGIC 

MAGICはlike thisになります.docファイルのヘッダを参照：それはファイルが適切な形式であることを検証することができない場合に逸品raise an exceptionますWord文書の場合：

BYTE _abSig[8];    // [00H,08] {0xd0, 0xcf, 0x11, 0xe0, 0xa1, 0xb1, 
          // 0x1a, 0xe1} for current version 

.docファイルが有効なWord文書でないか、ruby-ole gemでサポートされていない新しいバージョンのWordで作成されたものです。

いくつかの異なるWord文書で操作を再試行して、互換性のあるタイプを見つけて、元の文書をその形式で再保存してもう一度お試しになることをおすすめします。