ゴミ箱の中の技術メモ

Wordファイルをテキストに変換してくれる Unix上で使えるプログラムがいく つかあることは知っていた。しかし、これらを知ったときに試したときは、あ まり私が時間を割かなかったこともあり、日本語の文書の変換がうまくいかな かったので、さっさとあきらめていた。しかし、やはりいちいち Wordで開く のがめんどくさいので、久々にこれらのプログラムを試してみた。

試したのは、 catdoc, Antiword, Word2x で、それぞれ FreeBSD Ports Collection にあるものをコンパイルして試して みた。以下、きわめて短時間に、ろくすっぽドキュメントも読まずに試した結 果であることを理解した上で読んでいただきたい。

Catdoc

英語文書

問題なく変換

日本語文書

-d utf-8 をつけて実行すれば、 UTF-8に正しく変換。後は、 lvなり UTF-8対応の nkfなりで処理可能。

Antiword

英語文書

問題なく変換

日本語文書

-m UTF-8 をつけて実行すれば、 UTF-8に正しく変換。後は、 lvなり UTF-8対応の nkfなりで処理可能。

Word2x

英語文書

なぜかエラーが出る。めんどくさいので追っていない。

日本語文書

英語文書でエラーが出たので試してもいない。

結論

とりあえず antiword か catdoc の出力を nkf -We |jless などとして使うの がお手軽そうである。 (lvのオプションを思い出せなくてそうなってしまっ た…。) Googleで探して出てきた一部のページには、これらのプログラムは日 本語非対応と書いてあったので残念がっていたのだが、まずはやってみること が重要である、ということだ。これで私の Windows PCの Wordが起動される機 会は激減するに違いない。