python Linux用のMicrosoft Officeドキュメントをプレーンテキストに変換する

Question

pythonを使用して.doc、.ppt、および.xlsをlinuxのプレーンテキストに変換する方法について教えてください。実際にどのような変換方法も有用です。私はすでにOpen Officeを使用していましたが、Open Officeをインストールする必要がないソリューションが欲しいです。

Answer 1

私はコマンドライン - ソリューションのために行きます（そして、Python subprocess moduleを使ってPythonからツールを実行します）。 mswordは（catdoc）、エクセル（xls2csv）とPPT（catppt）用

変換器は、（ソース形式で）ここで見つけることができる：http://vitus.wagner.pp.ru/software/catdoc/。

catpptの有用性については実際にコメントできませんが、catdocとxls2csvはうまく機能します！

しかし、最初にあなたのディストリビューションリポジトリを検索してください...例えば、ubuntuでは、catdocはすぐに1つのapt-get awayです。

Answer 2

Microsoft OfficeドキュメントをHTMLまたは他の形式に変換するための通常のツールはmswordviewでした。これはその後、vwWareに名前が変更されました。あなたは、コマンドラインツールを探しているなら

、彼らが実際に変換を実行するためにAbiWordのを使用することをお勧め：あなたはライブラリを探しているなら

AbiWord --to=txt 

、wvWare overview pageに開始します。彼らはまたa list of libraries and tools which read MS Office documentsを維持します。

Answer 3

Excelスプレッドシートの場合はxlwtが良いです。しかし、.docと.pptファイルでは役に立ちません。

（あなたはまた、PyExceleratorのを聞いたことがあります。xlwtは、この、より良いので、私はあなたがxlwtとの方が良いと思う維持のフォークです。）

Answer 4

あなたはOpenOffice via Python APIにアクセスすることができます。

は、ベースとしてこれを使用してみてください：http://wiki.services.openoffice.org/wiki/Odt2txt.pyコマンドラインで

Answer 5

、antiwordまたはwv仕事を非常にうまく.docファイルのために。 （Pythonのソリューションではありませんが、インストールと高速化が容易です）

Answer 6

XMLベースのオフィスファイルをXSLTを使って過去に使用可能なものに処理するのに成功しました。それは必ずしもPythonベースのソリューションではありませんが、それは仕事を完了します。

Answer 7

ここに同じ問題があります。以下は、dir 'docs /'内のすべてのdocファイルをcatdocを使ってdir 'txts /'に変換する簡単なスクリプトです。それが誰かを助けることを願っています：

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 

import glob, re, os 
f = glob.glob('docs/*.doc') + glob.glob('docs/*.DOC') 

outDir = 'txts' 
if not os.path.exists(outDir): 
    os.makedirs(outDir) 
for i in f: 
    os.system("catdoc -w '%s' > '%s'" % 
       (i, outDir + '/' + re.sub(r'.*/([^.]+)\.doc', r'\1.txt', i, 
            flags=re.IGNORECASE)))