.docx 파일을 일반 텍스트로 변환하고 줄 바꿈을 유지하여 소스 문서에 대한 줄 번호 참조를 유지하는 방법 : 방법 및 의미?

텍스트 및 파일 유틸리티와 함께 ​​사용하기 위해 MS Word 내용을 일반 텍스트로 내보내고 있습니다. MS 소프트웨어에서 줄 번호 매기기 기능을 사용하도록 설정 한 제약 조건이 있으며 최종 출력에서 ​​줄 번호에 대한 참조 는 해당 번호와 일치 해야합니다 . "번호 줄"을 입력하십시오 :

( 푸, EA )

분명히 Word의 경우 , 이런 종류의 번호 매기기는 줄 바꿈 에서 줄을 끊지 않고 오른쪽 여백 (또는 무언가) 뒤에 줄을 끊습니다 . 와 같은 스크립트 docx2txt는 기본적으로 이것을 설명하지 않으며 줄 바꿈에서 줄을 끊는 것처럼 보입니다. 따라서 grep -n번호 매기기와 함께 사용하면 위의 그림과 같이 라인이 소스 라인 번호 기능과 일치하지 않습니다. 문서에서 내가이 경우에 필요한 방식으로 파일을 변환하기 위해 Perl 스크립트를 편집하는 방법이 명확하지 않습니다.

our $config_newLine = "\n"; # Alternative is "\r\n".
our $config_lineWidth = 80; # Line width, used for short line justification.

나는 대체 \n를 시도 \r\n했지만 그것이 효과가없는 것 같습니다. 그래서 나는 다음 설정 ( v.2013,64pc에서 일반 텍스트 로 저장)을 사용하여 Word 에서 직접 문서를 내보내는 것에 의지했습니다 .

• 유니 코드 (UTF-8)
• (CR / LF)를 사용하여 줄 바꿈 + 끝 줄 삽입
• 문자 대체 허용

이제 정말로 내가 때 사용.txt 파일을 소스 번호 기능과 라인 번호 사이에 완벽하게 일치가 grep -n출력.

• 특정 구성이 있나요 / I 알아야 처리 docx2txt또는 내 변환 할 수있는 것이다 유사한 명령 줄 유틸리티 .DOCX , 줄 바꿈을 유지하면서 의지하지 않고 일반 텍스트 파일을 워드 나처럼?
• 줄 바꿈 및 서식과 관련하여 MS Word 문서 (강조 문자를 포함 할 수 있음)를 파일 / 텍스트 유틸리티와 함께 ​​사용하기 위해 일반 텍스트로 내보내는 가장 좋은 방법 은 무엇입니까? CR / LF 삽입과 같이 내보내기 위해 선택한 설정에 부정적인 영향이 있습니까?

견본

제안한대로 샘플을 제공합니다. 이 RAR 아카이브 에서 간단한 단락이 있는 .docx 파일과 위에서 언급 한 옵션이있는 Word를 사용하여 내 보낸 .txt 파일을 묶었습니다 . 후자는 docx2txt소스 파일에서 기본 실행과 비교할 수 있습니다 .

docx2txtdocx압축 된 XML 파일 세트 인 파일 의 정보를 처리 합니다.

.docxXML 데이터 줄 바꿈과 관련하여 소프트 브레이크가 아닌 단락 및 하드 브레이크에 대한 정보 만 포함합니다. 소프트 브레이크는 텍스트를 특정 글꼴, 글꼴 크기 및 페이지 너비로 렌더링 한 결과입니다. docx2txt일반적으로 글꼴 및 글꼴 크기에 관계없이 80 열 (80 열 구성 가능)에 텍스트를 맞추려고합니다. .docxUnix / Linux에서 사용할 수없는 Windows 시스템의 글꼴 정보가 포함 된 경우 .txtOpen / LibreOffice 를 통한 내보내기 는 동일한 작업을 수행 할 수 있지만 동일한 작업을 수행 할 수는 없습니다 ¹.

따라서 docx2txt명령 줄 기반 Open / LibreOffice 처리를 포함한 다른 명령 줄 유틸리티 는 Word에서 내보내는 것과 동일한 레이아웃으로 텍스트를 변환 할 것을 보장 하지 않습니다 ².

Word에서와 똑같이 렌더링하기를 원하거나 클라이언트 요구 사항에 의해 강제로 적용하려는 경우 내 경험에는 단 한 가지 방법이 있습니다. 귀하와 비슷한 문제에 직면하여 OpenOffice를 포함한 다른 도구를 사용하여 호환되지 않는 결과를 얻었을 때 호스트 Linux 서버에 Windows VM을 설치하는 것으로 되돌아갔습니다. 클라이언트 VM에서 프로그램은 들어오는 파일이 호스트에서 변환되는 것을 관찰하여 Word를 시작하고 변환하여 변환 한 다음 결과를 다시 복사합니다.

CR / LF 또는 LF 만 사용하거나 UTF-8 또는 기타 인코딩을 사용하는 .txt것에 대한 결정은 결과 파일이 사용되는 방식에 크게 좌우됩니다. 결과 파일이 Windows에서 사용되면 CR / LF, UTF-8 및 UTF-8 BOM을 사용해야합니다 . Linux의 최신 프로그램은 파일이 UTF-8 인 것으로 추론 할 수 있지만 BOM에 대한 정보를 사용하거나 정보를 사용하지는 않습니다. 모든 대상 응용 프로그램의 호환성을 미리 테스트해야합니다.

¹ _{이런 종류의 비 호환성은 내 친구 중 일부는 원하지만 Windows에서 Linux로 변경할 수없는 주된 이유입니다. 클라이언트와 교환하는 텍스트를 가끔씩 Open / LibreOffice로 MicroSoft Word를 사용해야합니다.}
² _{Word 파일에 사용 된 모든 글꼴을 설치할 수 있으며 때때로 일부 텍스트에 운이 좋을 수 있습니다.}
³ _{에서 PDF 렌더링.doc/.docx}
⁴ _{프로그램은 마치 누군가가 메뉴를 클릭하는 것처럼 GUI 자동화를 사용하며 API를 통해 Word를 구동하지 않습니다. 나는 후자가 또한 수행 될 수 있다고 확신하며 Word가 업그레이드 될 경우 일을 중단시키지 않을 이점이 있습니다}