提取文本内容，并包含文本和图像PPTX - Linux的

Question

DOCX到TXT：

我尝试下面的代码从DOCX提取文本。当docx有图像时它不起作用。

unzip -p some.docx word/document.xml | sed -e 's/<[^>]\{1,\}>//g; s/[^[:print:]]\{1,\}//g' 

对于PPTX格式为TXT，我发现了一个Perl脚本提取TXT。当pptx具有图像时它不起作用 - 相同。

我想提取txt内容以启用文档间的搜索选项。因此，一个跳过图像并将docx文本内容转换为txt的命令/脚本甚至会有所帮助！

Answer 1

从你的代码（How to extract just plain text from .doc & .docx files? (unix)）得到的SO问题提供了其他选项。
的libreoffice答案差不多的作品，大概在2012年
现在（的LibreOffice 5.1）做了尝试：

libreoffice --convert-to txt text some.docx 

或

libreoffice --headless --convert-to txt text some.docx 

确保你没有libreoffice已经打开。