从Ruby on Rails中获取各种文档格式的文本

Question

我是Rails的新手，但我正在开发一个Web应用程序，它需要从文本文件的大型数据库获取文本并在HTML中显示文本。这些文件位于.doc，.docx，.wps和.pages中，目前只是坐在硬盘上。在.wps和.pages中有足够多的文件，我可以手动将它们转换为.doc，但问题仍然存在：如何获取.doc或.docx文件中的文本，以便我可以保存它到一个SQLite数据库供以后使用？

谢谢！

Answer 1

这是一个漫长迂回的方式，但开放式办公室可以将文件转换，并有编程的方式做到这一点：http://railstech.com/2010/08/convert-open-office-document-to-another-open-office-format/

这可能还没有到最好的办法，但也许这将油脂车轮一点。

Answer 2

看看Yomu。这是它充当Apache TIKA包装宝石，它支持多种文档格式，其中包括以下内容：

• 的Microsoft Office OLE 2和Office Open XML格式（.DOC，.DOCX，.xls的，.XLSX ，.PPT，.PP​​TX）
• OpenOffice.org的OpenDocument格式文件（.odt，.ods或的.odp）
• 苹果的iWorks格式
• 富文本格式（.rtf）
• 可移植文档格式（.pdf ）