如何使用 Nodejs 从 docx 文件中提取文本答案

【问题标题】：How to extract text from docx file with Nodejs如何使用 Nodejs 从 docx 文件中提取文本
【发布时间】：2017-07-06 15:20:04
【问题描述】：

我想从 docx 文件中提取文本，我尝试过使用 mammoth

var mammoth = require("mammoth");
mammoth.extractRawText({path: "./doc.docx"})
    .then(function(result){
        var text = result.value; // The raw text 

        //this prints all the data of docx file
        console.log(text);

        for (var i = 0; i < text.length; i++) {
            //this prints all the data char by char in separate lines
            console.log(text[i]);
        }
        var messages = result.messages;
    })
    .done();

但这里的问题是，在这个 for 循环中，我希望逐行而不是逐字符地获取数据，请在这里帮助我，或者您知道其他方法吗？

【问题讨论】：

逐行是什么意思？像 word 文档的单行，或者用换行符分隔的段落？
喜欢文档@ExplosionPills 的各个行
一种方法是用 "\n"s 分割你的文本！
您是否运行了此代码，在控制台中，它在新行中逐字符打印数据。不需要用“\n”分割。 @tashakori
不！你理解错了：-）。我的意思是用“\n”字符分割文本本身。然后你有一系列的线条！ Var 行 = text.split ("\n")。然后行 [i] 表示第 i 行文本。

标签： node.js mammoth

【解决方案1】：

一种方法是获取整个文本，然后用'\n'分割：

import superagent from 'superagent';
import mammoth from 'mammoth';

const url = 'http://www.ojk.ee/sites/default/files/respondus-docx-sample-file_0.docx';

const main = async () => {

  const response = await superagent.get(url)
    .parse(superagent.parse.image)
    .buffer();

  const buffer = response.body;

  const text = (await mammoth.extractRawText({ buffer })).value;
  const lines = text.split('\n');

  console.log(lines);
};

main().catch(error => console.error(error));

【讨论】：

【解决方案2】：

您可以使用any-text

用法很简单：

var reader = require('any-text');

reader.getText(`path-to-file`).then(function (data) {
  console.log(data);
});

【讨论】：

【解决方案3】：

    var mammoth = require("mammoth");
var path = require("path");

var filePath = path.join(__dirname,'./doc.docx');

mammoth.extractRawText({path: filePath})
    .then(function(result){
        var text = result.value; // The raw text

        //this prints all the data of docx file
        //console.log(text);
        console.log('------------------------------');
        var textLines = text.split ("\n");

        for (var i = 0; i < textLines.length; i++) {
            //this prints all the data in separate lines
            console.log(textLines[i]);
        }
        var messages = result.messages;
    })
    .done();

【讨论】：