pdf - 解析/转换旧版 Word 文档？(msword2 / 5)

Question

我们得到了一些非常古老的 .doc 文档。通常我们使用 tika（我们的应用程序通常进行文本提取，然后进行 PDF/A 转换），但显然目前不支持 msword2（和 msword5） 。我发现的唯一选择是 Libreoffice 命令行。还有别的事吗？

搜索这个非常困难，因为其他人似乎都在寻找“旧”，如 1995< 而不是 <1991

标签： pdfms-wordlibreofficeapache-tika

Answer 1

我们对这个问题进行了更多研究，似乎唯一的答案是我们需要使用某个版本的 libwps 库（与 LibreOffice 相同）。

我们将研究使用 Libreoffice 命令行或库本身的优缺点，并且可能只会创建一个微服务供我们的应用程序使用。