标签: microsoft-word

我正在尝试使用 pandoc 将通过邮件收到的 .docx 转换为正确的 pdf（我使用的是 GNU/Linux）。

我有一个关于字符编码的错误：

$ pandoc file.docx -o file.pdf
pandoc: Cannot decode byte '\x87': Data.Text.Encoding.decodeUtf8: Invalid UTF-8 stream

我试图识别编码：

$ file -i file .docx 
file.docx: application/vnd.openxmlformats-officedocument.wordprocessingml.document; charset=binary

我有点惊讶charset=binary（我期待charset=iso8859-15）。但是，我无论如何都尝试将 .docx 转换为 utf8，但它不起作用：

 $ iconv -t utf-8 file.docx
P!      $iconv: séquence d'échappement non permise à la position 16

我对pandoc 文档中的命令行有同样的错误：

iconv -t utf-8 file.docx | pandoc | iconv -f utf-8

如何使用 pandoc 将此 .docx 转换为 pdf？

是否有用于文本搜索 docx 文件的命令行工具？我试过grep，但它不适用于 docx，即使它适用于 txt 和 xml 文件。我可以先将 docx 转换为 txt，但我更喜欢直接对 docx 文件进行操作的工具。我需要该工具在 Cygwin 下工作。

OP 编辑​​：后来我发现实现 grep 的最简单方法实际上是将这些 docx 转换为 txt 然后 grep 覆盖它们。

我正在将 MS Word内容导出为纯文本，以便与文本和文件实用程序一起使用。我有一个约束，即MS 软件中启用了行编号功能，并且最终输出中对行号的任何引用都必须与该编号匹配。所以输入“编号行”：

（坡，EA）

显然，对于Word，这种编号不会在换行符处断行，而是在右边距（或其他东西）之后断行。像docx2txt, 这样的脚本默认情况下不考虑这一点，它似乎并在换行符处换行。因此，如果我使用grep -n编号，则行将与源行号功能不匹配，如上所示。从文档中并不清楚我需要如何编辑 Perl 脚本以在这种情况下以我需要的方式转换文件：

our $config_newLine = "\n"; # Alternative is "\r\n".
our $config_lineWidth = 80; # Line width, used for short line justification.

我尝试替代\n，\r\n但这似乎对我不起作用。所以我使用以下设置直接从Word导出文档（另存为纯文本，在 v.2013,64pc 上）：

• Unicode(UTF-8)
• 用 (CR/LF) 插入换行符 + 结束行
• 允许字符替换

现在确实当我使用这些.txt文件时，源编号功能和grep -n输出中的行号之间存在完美匹配。

• 有没有我应该知道的特定配置/过程docx2txt或类似的命令行实用程序，它可以让我将我的.docx文件转换为纯文本，同时保留换行符，而不像我那样求助于 …

我想使用 shell 命令更改 .docx 文件中的单词。我尝试使用该sed命令，但它不起作用。有谁知道解决方案？

例如，我想更改一个单词（例如exp5）并将其替换exp3为文件中的另一个（）exo.docx。

我有一个文件夹，里面有很多来自 LibreOffice 的 odt 文件，我可以手动打开每个文件并将其另存为 microsoft word 文件，但这需要很长时间，是否可以使用命令行达到这一目标？

我从 Emacs 开始，并进行了测试，我想知道是否可以从那里编辑我自己的 .docx 文件，只是为了探索它的功能和那些东西。

但令我惊讶的是，当文本完美地显示在我的屏幕上时，我却无法覆盖它。Emacs 的 DocView 告诉我这是一个只读文档，我必须输入 Cc Cc 才能编辑它。这向我显示了显示内容（抱歉），但我看不到在哪里可以编辑它。

有人知道这个问题吗？这是我第一天尝试 Emacs，但令我震惊的是它无法处理 docx 文件。