当您打开 Word 时，它允许您另存为 Word Open XML 格式。我看过有关将 docx 文件作为 zip 打开然后从那里提取内容的帖子。但我真正想要的是一种将 docx 转换为单个 XML 的方法，就像在 MS Office 中执行“另存为”操作时一样。该怎么办？
以及如何为 .doc 格式执行此操作？
注意：我想以编程方式执行此操作。最好在Linux下用PHP开发条件。但如果那不可用，那么其他语言就可以了。最后，如果归根结底，我可以考虑启动 Windows 服务器来执行此操作。
问问题
52094 次
3 回答
10
很抱歉让死线复活，但我刚刚找到了 DOCX 文件的答案。DOCX 文件只是 XML 文件的 ZIP 存档。因此，为了提取其中一个文件的内容，v.gr。在Linux环境下word/document.xml，需要运行解压：
unzip -q -c myfile.docx word/document.xml
要将此命令的输出捕获到 PHP 脚本的 $xml 变量中，您可以发出：
$xml = shell_exec ("unzip -q -c myfile.docx word/document.xml");
希望这个答案对 DOCX 文件有所帮助。迟到总比不到好。
对于 DOC 文件，此方法不起作用。
于 2015-07-07T12:56:33.430 回答
3
Eric White 在transforming-open-xml-documents-to-flat-opc-format中解释了如何在 C# 中为 docx 执行此操作
您也可以使用 docx4j（我正在研究）来完成，'j' 是 Java。
于 2012-08-15T05:18:46.057 回答
2
在 Word 中：文件 | 另存为 | Word XML 文档 (*.xml) 为您提供所需的 Open XML 格式，作为单个 XML 文件
在使用 Interop 的代码中：使用 Document 对象的 SaveAs 方法，使用 WdSaveFormat.wdFormatXMLDocument 作为保存格式。您还应该使用 Document.Convert 方法来更新与安装的 MS Office 版本的兼容性。
所以，不一定是完整的演示，但这应该给你正确的想法：
ActiveDocument.Convert();
WdSaveFormat myNewSaveFormat = WdSaveFormat.wdFormatXMLDocument;
ActiveDocument.SaveAs(newFilePath, myNewSaveFormat); //where newFilePath can be a FileInfo object specifying the new file name and extension (docx)
于 2012-08-13T12:54:50.857 回答