将Word 2007文件转换为XML

Question

我有一个Word 2007 .docx文件。 我通过在末尾添加扩展名“ .zip”来创建其zip文件。 当我提取zip文件时，它给了我几个带有xml文件的文件夹。 我想通过合并文件夹中存在的所有xml文件来获得单个xml表，以便为此编写xsl样式表。 我不想打开“ .docx”文件并尝试“另存为xml”。 有没有办法做到这一点？ 还是我至少可以拥有该文档的WordML文件？ 如果是这样的话。 先感谢您。

Answer 1

使用您选择的工具（集），该工具集支持解压缩，目录树遍历和基于行的文本文件处理。 首先解压缩您的Word文件，保留档案的目录结构。 接下来，将目录遍历器放到您解压缩到的目录中，处理所有.xml和.rels文件； 从每行中删除第一行（包含xml声明，例如<?xml version="1.0" encoding="UTF-8" standalone="yes"?> ），并将每行依次连接到全局输出xml文件，第一行应包含xml声明本身。 确保您的工具遵守xml文件的字符集编码（应为utf-8）。

Perl软件包File :: Find和Archive :: Zip可以很方便地完成此任务，但是您可以使用标准cli工具（zip / unzip，find，cat，sed）来完成您的工作。

您可能需要使用一些综合的区分属性来补充.rels文件的顶级Relationships元素，以避免id冲突-在给定Type属性的情况下，大多数关系条目的适用性应该是唯一的，但是ms规范对于Office本身是否保证似乎有些含糊相同类型的所有关系项目上的唯一ID（或者我还没有足够详细地阅读规范...）。 请注意，相关的非XML文件（图形，VBA代码）的名称显示在[Content_Types].xml和关系文件中。

希望（仍然）能够帮助，问候，卡登