逐页阅读 MS Word (doc) 文件

Question

有没有办法让 wvWare（或者可能是其他命令行工具或 Python 库）逐页读取文档文件？我似乎在 wvWare 手册中找不到任何内容，在 Abiword、Antiword 或 catdoc 中也找不到。

Answer 1

一种非常丑陋的方法是在原始文档中查找 ^L 并找出它们在文本中出现的位置（非 docx Word 文档大多是纯文本：我有时使用命令strings来读取内容）。

^L 是 control-L，字符代码为 12，有时也称为“换页符”。如果您在 emacs（或任何显示控制代码的编辑器）中查看原始 Word 文档，您会在每一页的末尾看到其中一个。