任何人知道他们可以推荐什么，以便只提取来自.doc或.docx的纯文本？
我发现这个Best way to extract text from a Word doc without using COM/automation? – 想知道是否有任何其他建议吗？
速度并不重要，我们甚至可以使用一个网站，有一些API上传和解压缩文件，但我一直无法找到一个。
谢谢
如果你想纯纯文本(我的要求)，那么你需要的是
unzip -p some.docx word/document.xml | sed -e 's/<[^>]\{1,\}>//g; s/[^[:print:]]\{1,\}//g'
我在command line fu发现
