catdoc

catdoc es el programa que lee uno o más archivos de Microsoft Word y de texto salidas, contenida insinde ellos a la salida estándar. Por lo tanto lo hace un mismo trabajo para archivos .doc, como comando cat unix para archivos ASCII plano
proyecto catdoc está acompañado por xls2csv -. Programa que convierte hoja de cálculo Excel en un archivo de valores separados por comas. El más reciente adición a la suite catdoc es catppt - programa, que extrae el texto legible desde los archivos de PowerPoint.
Opcionalmente, catdoc es capaz de traducir algunos caracteres no ASCII en secuencias de escape TeX correspoindig y convertir los conjuntos de caracteres de página de códigos de Windows ANSI o Unicode a la página de códigos local de la máquina de destino.
También tiene la base de datos de secuencias de sustitución que se utilizan para los símbolos que no están presentes en la codificación de destino. Así que si usted está tratando de leer el archivo de la palabra rusa bajo C localidad, obtendrá una transliteración.
Bajo Unix que utiliza nl_langinfo función para averiguar qué salida de codificación a utilizar, bajo DOS que utiliza la función DOS apropiada, que obtiene el valor de página de códigos de la declaración PAÍS en config.sys.
catdoc también es capaz de leer archivos RTF e incluso texto plano, por lo que puede ser utilizado como propósito general codificación convertidor. (Debido catdoc es el programa ruso, por defecto convierte cp1251 a KOI8-R, cuando se ejecuta en UNIX y para CP866 cuando se ejecuta bajo DOS.
Catdoc tiene manejo mesa rudimentaria. En el modo TeX inserta y cuando campo encuentros encuentros delimitadores y cuándo final de fila de la tabla. No hay encabezados de tabla se producen a pesar de.
catdoc ni siquiera tratar de preservador MS-Word formato de carácter. Su objetivo es extraer texto sin formato y permitir leerlo y, probablemente, vuelva a formatear con TeX, de acuerdo con las reglas TeXnical, la mayoría de los usuarios de Word ni siquiera han oído hablar.
xls2csv hace más o menos igual para los archivos de Excel. Extrae datos y deja fuera cualquier formato información y fórmulas. concepto es que usted desea ver los datos, no la forma en que fue creado.
Hay WordVer guión tcl / tk GUI que proporciona GUI para la visualización de archivos de Word y RTF utilizando catdoc. Desde interna representación de cadena Tcl es UTF-8 y la mayoría de los sistemas tienen ahora fuentes Unicode, probablemente será capaz de leer el documento en cualquier idioma usando este script.