自动将大量word文档转换为xml，对其进行修改，然后将其转换为latex、pdf、html。

Question

在word中有一组大约400个文档，这是质量管理系统Word的一部分，这让我很痛苦，因为a)它处理大文档中的图像很糟糕b)布局有时会被破坏c)为不同的客户配置文档是很麻烦的。

我可以将单个文档保存为xml/html或text，然后手动将其转换为latex，但对于400个文档，这是不可能的。我知道我可以使用像PrimoPDF这样的工具将word文档直接打印成pdf格式，但这还不够灵活，因为我需要修改内容。

有没有一种方法可以保持文档的结构，如纯文本、标题、表格、图像并将其转换为XML？之后，我想把XML转换成html，latex和pdf，根据我们客户的选择，也修改内容？xslt是将xml转换为其他格式的一种方法吗？

谢谢你的建议。

Answer 1

您可以将文档转换为Word 2007。Office2007文档是XML文档:只需将文件扩展名更改为.zip和upzip即可。此外，Microsoft还发布了一个用于处理Office 2007文档的API，该API比使用XML标记的级别更高。

Answer 2

要将MS Word批量转换为其他格式，您可以看看OpenOffice.org。OpenOffice有一个用于批量转换的(命令行)批处理模式。您还可以查看JodConverter，它仅使用该机制转换文档。

这样你就可以将微软的Word批量转换为OpenOffice.org支持的其他格式。可能是文本，可能是RTF，也可能是OpenOffice XML。

这样，您就有了一种更容易转换为Latex的格式。

在Stack Overflow上搜索Word和OpenOffice，你会找到像this one about Word to Html conversion这样的结果。

Answer 3

在TUG (TeX用户组)有关于Word <--> LaTeX转换的建议：

http://www.tug.org/utilities/texconv/pctotex.html

这可能值得一看，看看是否有任何建议和方法符合您的要求。