Блог

У меня есть несколько документов Word, из которых я хотел бы удалить некоторые элементы. Я хотел бы сделать следующее:

1. Скопируйте и вставьте все содержимое файла word (может не потребоваться) и переместите его в текстовый файл ИЛИ конвертируйте .doc в .txt
2. Использование регулярных выражений: заменить [.*] на «» И заменить (.*) на «»
3. Сохраните результат в текстовом файле с тем же именем, что и в исходном документе Word.

Мысли и указания приветствуются. В нынешнем виде я не знаю, как сделать что-либо из этого программно. Я делаю это вручную, как есть.

Если это имеет значение, я использую Ubuntu 11.04

Поскольку вы открыты для использования обычного текста, некоторые улучшения в вашем алгоритме:

1. Используется antiword для автоматизации преобразования из doc в tx
2. Используется sed для изменения регулярных выражений на месте: sed -i -e's/bad/good/' file.txt

Обновление (в ответ на комментарий):

Регулярные выражения в порядке, но я не совсем понял цель:

• если вы хотите заменить вхождения [foo] amp; (foo) на «», используйте:

  sed -i -e's/[.*]/""/g' file.txt; sed -i -e's/(.*)/""/g' file.txt

• если вы хотите заменить вхождения [foo] amp; (foo) на «foo» при каждом использовании:

  sed -i -e's/[(.*)]/"1"/g' file.txt; sed -i -e's/((.*))/"1"/g' file.txt