在 Node.JS 中解析 Microsoft Office 文件

Posted 2023-03-03

【中文标题】在 Node.JS 中解析 Microsoft Office 文件

【英文标题】：Parse Microsoft Office files in Node.JS

【发布时间】：2012-10-05 20:24:07

【问题描述】：

我正在开发一个 Web 应用程序，用户可以在其中上传 Microsoft Office 文档文件。现在，我们的服务器正在运行带有 Express.js 的 Node.JS，并且我们托管在 Heroku 上。正因为如此，我不认为我可以安装诸如 abiword 或 catdoc 之类的程序。我可以处理文件上传，但无法解析文档的内容。

如何读取 doc 文件的内容？然后将信息放入数据库中。保留基本格式（粗体、斜体、下划线）会很好，但不是必需的。

【参考方案1】：

虽然您似乎无法通过 NPM 获得可以直接执行 Word 的任何内容，但您也许可以使用 REST API 通过其他云服务请求它。例如，Saaspose（它们属于著名的 Aspose 工具）具有用于 Word、Excel、PDF 等的公共 API。他们在其页面上列出了对 node.js、javascript 和 Heroku 的支持。

编辑：

我看到 Saaspose 现在被称为 Aspose for Cloud

另一个声称类似的 API 是 Doxument

【讨论】：

这太完美了！非常感谢。

【参考方案2】：

Office package: npm install office 似乎至少提供了部分答案。我用它来读取 Excel 文件，到目前为止还没有尝试过任何 Word 文档。

【讨论】：

注意：这个包似乎通过运行 unoconv dag.wieers.com/home-made/unoconv（OpenOffice 转换器）将输入转换为 html。 （对于电子表格，它似乎使用 unoconv 转换为 xls，然后使用 freecode.com/projects/xlhtml 转换 xls->html）

和 unoconv 需要 libreoffice.. 兔子洞有多深？我认为这个解决方案不会很好地扩展，除非你想在所有服务器上安装所有这些应用程序......坦率地说，这是一项相当艰巨的任务

【参考方案3】：

似乎还没有。请参阅下面的内容可能会有所帮助。

Can I read PDF or Word Docs with Node.js?

【参考方案4】：

您可以使用 mammoth 来解析 .docx 文件https://www.npmjs.com/package/mammoth 和 xlsx 来解析 .xlsx 文件https://github.com/SheetJS/js-xlsx