java - 将 word (.docx) 转换为 docbook

Question

我的任务是找到一种将大量 .docx 文件转换为 docbook 5 的方法。目前，我们在 openoffice 中打开文件并保存到 docbook。这是一项耗时的任务，但我相信有更好的方法。然后将这些文件进一步处理到我们的自定义放松 NG 模式。因此，这种转换不需要完美无缺。我环顾四周，并将继续调查一些线索，但没有发现任何有用的东西。

看着Convert doc/docx to semantic HTML他们建议upCast，但这似乎不适合我的需要。

我正在寻找可以从命令行免费使用的东西。我最终想批量处理我们的文件。我已经为这些环境添加了 linux、python 和 java 标签，这些是我最舒服的环境，但愿意为正确的解决方案而努力。在我出去重新发明轮子之前，我正在尝试做一些研究。

Answer 1

冒着从 SX 获得考古学家徽章的风险，答案应该包括对Pandoc的引用。这不依赖于开放式办公室。

pandoc -f docx -t docbook -o newdocbook.dbk --standalone original.docx

Answer 2

有几种方法可以编写脚本，既可以使用外部脚本，也可以使用 OpenOffice 中的脚本。有关一些示例，请参见以下链接：

• http://juretta.com/log/2006/08/10/convert_microsoft_word_to_docbook_xml_using_ruby_and_openoffice/
• http://www.oooninja.com/2008/02/batch-command-line-file-conversion-with.html
• http://www.xml.com/pub/a/2006/01/11/from-microsoft-to-openoffice.html
• http://mail.python.org/pipermail/python-announce-list/2006-May/004951.html
• http://dag.wieers.com/home-made/unoconv/

上面的一些链接没有使用 Java 或 Python，但原则仍然适用，并且脚本通常足够短，可以移植（第一个示例是 Ruby，但由于简单，它是我个人的最爱）。

Answer 3

您可以在服务器模式下运行 openoffice 并将文档提供给它，而无需手动打开每个文件。

一种方式： http ://code.google.com/p/bungeni-editor/wiki/RunningTheJODConverterServer