如何将Doc/Docx自动转换为单个XML文件？

当您打开Word时，它允许您保存为Word Open XML格式。我已经看到有关打开docx文件作为zip文件，然后从那里提取的东西的帖子。但我真正想要的是将docx转换为单个XML的方式，就像在MS Office中执行“另存为”操作时一样。该怎么办？如何将Doc/Docx自动转换为单个XML文件？

以及如何为.doc格式执行此操作？

注：我想以编程方式做到这一点。最好在Linux开发条件下使用PHP。但是，如果这不可用，那么其他语言将会这样做。最后，如果涉及到它，我可以考虑启动一个Windows服务器来做到这一点。

来源

2012-08-13 samxli

In Word：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方法更新与安装的MS Office版本的兼容性。

所以，不一定是一个完整的演示，但是这应该给你正确的观念：

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)

来源

2012-08-13 12:54:50 JohnZaj

有没有办法做到这一点没有interop？例如，作为docx的zip包 - 它是否具有某种模式，可用于合并与单一文件XML完全相同的内容？ – samxli 2012-08-13 15:21:50

对不起，它被标记为office-interop，所以我假设。另外，不确定您是否能够在服务器场景中使用Interop，可能需要检查其他线程。 ||这听起来像是你想要每个构成一个WordprocessingDocument对象的包/零件，但是它们都在一个统一的包/零件中。 – JohnZaj 2012-08-13 21:40:29

谢谢你。我试图使用wdFormatOpenDocumentText来保存一个.docx文件，并得到一个COM异常。 – GrandMasterFlush 2012-09-20 10:04:30

埃里克·怀特介绍了如何在C＃在transforming-open-xml-documents-to-flat-opc-format

做到这一点的DOCX你也可以做到这一点使用docx4j（我工作），'j'是Java。

来源

2012-08-15 05:18:46 JasonPlutext

对不起，以恢复死亡的线程，但我只是找到了DOCX文件的答案。 DOCX文件只是XML文件的ZIP存档。因此，为了提取其文件之一的内容，v.gr.字Linux环境下/ document.xml中，你必须运行unzip：

unzip -q -c myfile.docx word/document.xml

为了捕捉这个命令的输出到一个PHP脚本的$ xml变量，可以发出：

$xml = shell_exec ("unzip -q -c myfile.docx word/document.xml");

希望这个答案有助于DOCX文件。迟到总比不到好。

对于DOC文件，此方法不起作用。

来源

2015-07-07 12:56:33

我想执行此代码，但它不工作..我错过了什么？ – Sanuj 2016-09-17 09:55:33

检查系统上是否存在unzip命令。你正在编写哪个操作系统？ – 2016-09-17 18:41:38

虽然我的实际服务器是Linux，但我在Windows上尝试。但是我使用了ZipArchieve，所以我的问题现在已经解决了，关于这个代码我无法在windows上执行。 – Sanuj 2016-09-20 06:25:58

如何将Doc/Docx自动转换为单个XML文件？

回答

相关问题