PDF，PPT，DOC等为TEXT

也许这应该是独立的问题，每一个格式，但...PDF，PPT，DOC等为TEXT

什么是最可靠的库（任何语言），二进制（对于任何平台），或web服务（免费或不免费），用于转换多样“含有文本的”格式转换成明文？

可靠，我的意思是近100％的能力提取所有的人类可读文本而不提取“代码”或“标记”。

通过包含文本的格式，我的意思是：所有像PDF，PPT，DOC，DOCX，RTF，HTML， “.PAGES”， “.KEYNOTE”，ODT，等等等等，最普遍的

请建议支持这些格式的许多以及那些只有支持一个的包/服务。此外，有没有软件“堆栈”，“绑在一起”许多包/服务的目的转换为文本？

2012-03-02 themirror

http://www.filebuzz.com/files/Ascii_Convert/1.html < - 此链接将带您到转换器的列表，它可以将PDF和其他类型的文件转换为ASCII格式（纯文本）。对于Word文档，您可以在没有软件的情况下执行此操作。例如，对于Word文档，当您单击“另存为”时，将打开一个对话框，该对话框将具有“另存为类型”下拉列表。选择“纯文本* .txt”，它将以纯文本保存文件。祝你好运！

来源

2012-03-02 19:43:01 JTRookie86

在Java中，Apache Tika toolkit使用现有解析器库从各种文档中检测和提取元数据和结构化文本内容。

来源

2012-03-04 08:11:05 JasonPlutext

如果您使用的是Ruby，请查看Yomu。它是Apache TIKA的包装，并支持多种文档格式，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，.PPTX ）
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）

来源

2012-04-13 22:52:07 Erol

您可以尝试Extract Text。

从描述：“从文档中抽取，如PDF和Word文件中的文字将保存所提取的文本文件中的工程与.PDF，.DOC，.DOCX，.xls的，.XLSX，.PPT ，还有很多。”需要Microsoft.NET Framework 4.0。

来源

2014-05-14 18:25:14

PDF，PPT，DOC等为TEXT

回答

相关问题