perl - 使用 perl 将 RTF 转换为 TEXT-6ren

perl - 使用 perl 将 RTF 转换为 TEXT

转载作者：行者123 更新时间：2023-12-02 21:24:10

25

4

有人可以告诉我如何使用 perl 编程语言将 rtf 文件转换为包含所有标签、表格和格式化数据的文本吗？

@Ahmad Bilal、@petersergeant:我一直在使用下面的代码进行 RTF 到 TXT 的转换，并且我能够转换为文本。但问题是我无法捕获表格或图像格式，甚至输入文件中的所有实体都没有使用该程序捕获。

use 5.8.0;
use strict;
use warnings;
use Getopt::Long;
use Pod::Usage;
use RTF::HTMLConverter;

#-------------------------------------------------------------------
#Variable Declarions
#-------------------------------------------------------------------
my $tempfile = "";
my $Outfile = "";
my $txtfile = "";
my $URL = "";
my $Format = "";
my $TreeBuilder = "";
my $Parsed = "";
my $line = "";


my %opts;
GetOptions(
  "help|h|?"     => \$opts{help},
  "man|m"        => \$opts{man},
  "dom=s"        => \$opts{dom},
  "noimages|n"   => \$opts{noimages},
  "imagedir|d=s" => \$opts{imagedir},
  "imageuri|u=s" => \$opts{imageuri},
  "encoding|e=s" => \$opts{encoding},
  "indented|i=i" => \$opts{indented},
);

pod2usage(-verbose => 1, -exitval => 0) if $opts{help};
pod2usage(-verbose => 2, -exitval => 0) if $opts{man};

my %params;
if($opts{dom}){
  eval "require $opts{dom}";
  die $@ if $@;
  $params{DOMImplementation} = $opts{dom};
}else{
  eval { require XML::GDOME };
  if($@){
    eval { require XML::DOM };
    die "Can't load either XML::GDOME or XML::DOM\n" if $@;
    $params{DOMImplementation} = 'XML::DOM';
  }
}

if($opts{noimages}){
  $params{discard_images} = 1;
}else{
  $params{image_dir} = $opts{imagedir} if defined $opts{imagedir};
  $params{image_uri} = $opts{imageuri} if defined $opts{imageuri};
}

$params{codepage} = $opts{encoding} if $opts{encoding};
$params{formatting} = $opts{indented} if defined $opts{indented};

#-----------------------------------------------
# Converting RTF to HTML
#-----------------------------------------------

if(defined $ARGV[0]){
  open(FR, "< $ARGV[0]") or die "Can't open '$ARGV[0]': $!!\n";
    $params{in} = \*FR;
    $tempfile = $ARGV[0];
    $tempfile =~ /^(.*?)rtf/;
    $Outfile = $1."html";
    $txtfile = $1."txt";

  open(FW, "> $Outfile") or die "Can't open '$Outfile': $!!\n";
   $params{out} = \*FW;
   print "\n$Outfile - HTML Created\n"

}

my $parser = RTF::HTMLConverter->new(%params);
$parser->parse();


close FW;

#-----------------------------------------------
# Opening HTML and TXT files
#-----------------------------------------------

open (FILE1, ">$txtfile") or die "Can't open '$txtfile': $!!\n";
open (FILE2, "$Outfile") or die "Can't open '$Outfile': $!!\n";

#-----------------------------------------------
# Converting HTML to TXT file
#-----------------------------------------------

local $/ = undef;
while ($line = <FILE2>) {
    $line =~ s/\n//g;
    $line =~ s/(<!DOCTYPE HTML.*><html><head>.*<\/style>)/<sectd>/;
    $line =~ s/<font.*?>//g;
    $line =~ s/<\/font>//g;
    $line =~ s/<table .*?>/\n<table>\n/g;
    $line =~ s/<\/table>/\n<\/table>/g;
    $line =~ s/<td .*?>/\n<td>/g;
    $line =~ s/<tr>/\n<tr>/g;
    $line =~ s/<\/tr>/\n<\/tr>/g;
    $line =~ s/<ul.*?>/\n<ul>/g;
    $line =~ s/<li.*?>/\n<li>/g;
    $line =~ s/<\/ul>/\n<\/ul>/g;
    $line =~ s/<\/body><\/html>//g;
    $line =~ s/<p.*?>/\n<p>/g;
    $line =~ s/<p>(&nbsp;|\*|\s)+<\/p>//g;
    $line =~ s/&nbsp;//g;
  $line =~ s/(<sectd>\n?.*?)<\/head><body>/$1/g;

#-------------------
#  Entity Conversion
#-------------------
  $line =~ s/&rsquo;/&#x2018;/g;
  $line =~ s/“/&#x201C;/g;
  $line =~ s/”/&#x201D;/g;
  $line =~ s/¶/&para;/g;

    print FILE1 $line;
}

print "$txtfile - TXT file Created \n";

close FILE1;
close FILE2;

unlink ("$Outfile");

最佳答案

我是链接模块的作者。不要使用它。如果可能的话，购买真正的 RTF 到文本转换器，例如 Pandoc。

关于perl - 使用 perl 将 RTF 转换为 TEXT，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/25710250/

25

4

0

文章推荐： bpmn - 在 BPMN 2.0 图中表示网站

文章推荐： c# - 如何正确处理C#项目中的常量和文件路径常量

文章推荐： sql - MS SQL - 仅选择一行作为 ID

文章推荐： c# - 获取枚举值

rtf - RTF 文档中的单元格阴影
有谁知道将背景颜色应用于表格单元格的 rtf 标签？我知道表结构: {\rtf1\ansi\deff0 \trowd \clshdng10000\cellx1000 \clshdng10000
rtf - 验证富文本结构 RTF
MS Exchange/Outlook 消息使用 MAPI 存储数据。一个常见的 MAPI 属性包含消息正文的富文本版本(0x1009、PR_RTF_COMPRESSED、PidTagRtfCompr
rtf - 在 RTF 中垂直合并单元格
我需要以编程方式生成一个 RTF 文档，其中包含一个垂直合并列的表格，例如 ______________________________ | merged | foo | hello |
rtf - RTF 模板的 For-Each 循环中的增量计数器
我正在尝试增加柜台使用以下代码在 BIP 报告的 for-each 循环中将变量增加 1。然而，柜台无论有多少循环，变量都不会增加。有人可以指导我如何做到这一点。我也知道 position(
rtf - 在 RTF 中使用表格
我需要在 RTF 文件中创建一个表。但是我不熟悉 RΤF。以下是这些 RTF 文件应该替换的文本文件示例: GENERAL JOURNAL
rtf - 将目录添加到 RTF 文档
我正在尝试手动生成 RTF 文档，最终会以编程方式完成。我计划改进 pyRTF，使其可以生成“目录”，但我认为它不能。我无法使用 RTF 控制字(\tc、\tcf 和\tcl.)生成目录。 http
rtf - 如何制作富文本格式 (rtf) 的嵌套表格
如何在 rtf 中的单元格内制作表格？这是我所知道的最简单的表格: {\rtf\ansi\deff0 \trowd \intbl \cellx1000 Item 1\cell \cellx2000 I
rtf - 从 RTF 文件中解析值 > 32767 的 unicode
我正在研究 RTF 解析器，但在处理 unicode 时遇到了一些困难。 RTF 规范规定“大于 32767 的 Unicode 值必须表示为负数”( http://www.biblioscape.c
html - Powershell 更改 RTF 文档并另存为 RTF 文档
我想更改 RTF 文档的内容，而不是将其另存为 RTF 文档: $defaultRtfFile>> "C:\Users\user\Desktop\Outlokk-Signature\Test.rtf"
javax.swing.text.rtf.RTFEditorKit/RTF 是一种 8 位格式
我需要一个简单的 HTML2RTF 转换器我尝试运行以下代码...但我收到此代码示例的错误代码: import java.io.ByteArrayInputStream; import java.i
python - 如何将 CP949 RTF 转换为 UTF-8 编码的 RTF？
我想编写一个 python 脚本，将文件编码从 cp949 转换为 utf8。该文件最初以 cp949 编码。我的脚本如下: cpstr = open('terms.rtf').read() utf
java - 使用读取 rtf 文档中的表格的 JAVA 将 RTF 转换为 PDF
有哪些方法可以使用 Java 将 RTF 转换为包含 Windows 或 Unix 文档中表格的 PDF？我们在这里尝试过的选项是: ITEXT - 但 rtf 文档中的表格在转换为 PDF 后无法
C# .NET RTF 到 HTML 转换器和 HTML 到 RTF 转换器库
按照目前的情况，这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持，但这个问题可能会引发辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开，visit the
RTF 项目符号列表示例
似乎不可能为 RTF 项目符号列表找到一个非常简单的工作示例，如下所示: 您好世界嵌套(但请以正方形作为项目符号) 也嵌套(也是方形项目符号) 再次定期我尝试使用 Word 或 TextEdit
r - RTF 报告中的跳过值
我有一个数据框 df 用于 RTF 格式的报告，如下所示: df <- ATRSLBL POPUL CENTRE BAGE BAGEC1 SEX Red PPS 3720
unicode - RTF 错误代码的含义
我正在处理由其他人在未知平台上制作的 RTF 文件，并且所有内容都被正确解释，除了一些字符，无论我在 openoffice 中打开它们的任何字符集。这是经过解释的纯文本: "Même taille q
想要 RTF 短绒
有人知道RTF文件的linter吗？我正在为文字处理器编写一个简单的 RTF 导出工具。我已经到了我生成的文件现在加载到 OpenOffice 并且似乎可以工作的阶段——除了我刚刚发现如果我从 Op
iphone - 将特殊字符转换为 RTF
有人可以帮我将特殊字符转换为可以在 RTF 文件中正确表示的字符吗？我正在获取 iPad 上存储在字符串中的文本，并使用 NSASCIIStringEncoding 将其输出为 RTF 文件。到目前
winforms - RTF 字符串字体大小
我对 RichTextBox.Rtf 属性有点困惑。我正在输入一个混合字体大小的字符串:Test 字体大小为 20，string 字体大小为 10。但是，当我查看 Rtf 时字符串，我得到以下内容:
.net - RTF 中的欧元符号
我正试图让一个欧元符号显示在 RTF 文档中，但我不太走运。 RTF 文档是一个模板，其中填充了来自 .Net 的数据(通过读取文本流并替换其中的标记)。这些标记之一与欧元符号有关。我的代码按预期工作

首页

博学

6Ren·AI

商城

perl - 使用 perl 将 RTF 转换为 TEXT