位置: 编程技术 - 正文

Linux系统中利用node.js提取Word(doc/docx)及PDF文本的内容(linux用yum)

编辑:rootadmin

推荐整理分享Linux系统中利用node.js提取Word(doc/docx)及PDF文本的内容(linux用yum),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:linux怎样使用,在linux中,如何利用linux,如何利用linux,在linux中,在linux中,如何利用linux,如何利用linux,内容如对您有帮助,希望把文章链接给更多的朋友!

前言

想要做全文搜索引擎,则需要将word/pdf等文档内容提取出来。对于pdf有xpdf等一些开源方案。

但Word文档的情况则会复杂一些。

提取PDF文本内容

XPDF是一个免费开源的软件,用于显示PDF文件,并可将pdf转换成文字图片等,同样支持Windows版。在Debian Linux上安装非常简单:

我们这里只使用pdftotext这个功能,直接输入可查看帮助:

测试一下:

然后在node.js中使用 child_process直接调用此命令即可,pdftotext会将内容输出以文本文件中,可能需要多一些操作。具体代码略。

用antiword提取 .doc 的内容

Linux系统中利用node.js提取Word(doc/docx)及PDF文本的内容(linux用yum)

我们这里使用了 antiword 开源软件,来提取word以前版本的内容,安装同样非常简单:

查看帮助:

antiword直接将word内容输出到了console中:

同样在node.js用child_process调用此命令即可。

解析提取.docx 的内容

对于 docx 文档来说,因基本身就是一个zip文件,只需要在node.js先将其解压,再解析 text.docxworddocument.xml 文件即可。

Github上也有些将docx解析成html的库,

如:

等。

总结

标签: linux用yum

本文链接地址:https://www.jiuchutong.com/biancheng/382105.html 转载请保留说明!

上一篇:node文件上传功能简易实现代码(node实现文件上传)

下一篇:Node.js中 __dirname 的使用介绍

  • 外国企业无偿援助的进口设备
  • 股权转让交印花
  • 非税收入票据能否税前扣除
  • 企业稳岗返还申请报告模板
  • 企业对企业分红要缴纳什么税免税分红
  • 建筑企业的成本
  • 处置长投时其他权益变动
  • 私立医院申报程序
  • 所购税控盘减免税款
  • 季度申报残保金怎么填写
  • 物业公司银行存款专款专怎么做分录
  • 公章更换后需要到工商局备案么
  • 准则依据
  • 员工一次性伤残补助金
  • 预缴增值税怎么填表
  • 购进出口商品的会计分录
  • 消费税的应纳税额的计算
  • 预缴增值税销售额
  • 购买的员工福利需要缴纳印花税
  • 小规模的企业所得税税率
  • 手撕发票去年的可以报销吗
  • 小规模纳税人如何计算增值税
  • 质保金的税务处理
  • 委托代征申报
  • 房地产企业开发成本计入存货
  • 所得税季报收入是全年吗
  • 银行承兑汇票企业账户没钱
  • 工业投资额是指什么
  • 加班工资是否属劳动关系
  • 预收贷款是什么会计科目
  • 收到银行本票的会计分录怎么写
  • win10开机无限werfault一直刷新
  • mac上安装homebrew
  • 礼品应该计入会计分录
  • win11怎么压缩图片画质
  • u盘怎么安装软件
  • 路由器登录密码忘了怎么设置
  • hkc中文是什么意思
  • 多交的增值税可以做营业外支出吗?
  • 文件上传之后返回一个文件路径怎么设置
  • php追加写入
  • 一般纳税人增值税减免政策2023
  • 暂估成本的账务处理分录
  • php乱码解密
  • 管理费用增加记哪方
  • 勾选认证客户端不成功怎么办
  • python包发布
  • sql server 2005安装在2016
  • sqlyog
  • 低值易耗品摊销会计处理
  • 租金收入怎么做分录
  • 资产负债表中的货币资金包括哪些
  • 未开票收入如何计提增值税
  • 其他应收款怎么冲平会计分录
  • 工程预付税金如何计算
  • 银行贷款每个银行一样吗
  • 待处理财产损益会计分录
  • 报销差旅费用什么收款凭证还是转账凭证
  • 库存现金的主要内容有哪些
  • 材料人工制造费用是什么成本
  • 企业对于发出的货物
  • 工程未竣工可以出竣工报告吗
  • 产品利润率如何计算
  • 搜狗网络
  • Xp系统的桌面文件在哪里
  • win10执行数据保护如何开启
  • centos直接安装
  • docker untagged
  • windowxp操作系统
  • windows错误1058
  • js实现倒计时60s
  • JavaScript中数组包含的属性和方法有哪
  • PHP+jquery+ajax实现分页
  • 优化ui界面是啥意思
  • 技术总结结束语
  • javascript 对象
  • 如何将文件夹导入idea
  • 怎么代理保险业务
  • 银行存款利息收入现金流量表计入哪
  • 重庆市网上审批服务大厅
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设