解压docx文件
直接使用unzip file.docs 命令，解压出来很多文件
├── [Content_Types].xml
├── _rels
├── docProps
│ ├── app.xml
│ └── core.xml
└── word
├── _rels
│ └── document.xml.rels
├── document.xml
└── settings.xml
查看下 word/document.xml的内容，非常标准的xml格式的文件
提取 xml中的纯文本
cat word/document.xml sed -e 's/<[^>]\{1,\}>//g; s/[^[:print:]]\{1,\}//g'
组合命如下， unzip -p 是解压文件到管道流，而不是输出文件。
unzip -p file.docx word/document.xml | sed -e 's/<[^>]\{1,\}>//g; s/[^[:print:]]\{1,\}//g'
参考：
https://www.commandlinefu.com/commands/view/4311/extract-plain-text-from-ms-word-docx-files
网友评论