如何使用python、java、ruby、node等语言高效提取Office文档内容？

本文共计2660个文字，预计阅读时间需要11分钟。

我相信大多数家庭都曾有过类似的需求，即从doc、ppt、excel、pdf、txt等文件格式中提取文本内容。提取出的文本内容可用于文档内容的全文索引，以及文档的基本内容摘要等用途。在度娘上搜索如何提取文本，可以找到多种方法和工具来帮助你完成这项任务。

我相信大家都有过这样的需求，把doc、ppt、excel、pdf、txt中的文本内容提取出来。提取出来的文本内容可用于文档内容的全文索引，文档的基本内容摘要等。在度娘上搜索“如何提取文档内容”，确实有很多demo可以借鉴，但是，很多demo要么是需要付费的jar包，要么提取出的内容不全或者乱码。Java有许多开源工具包可用，尚且还不完美，何况其它一些开发语言如node、golang、ruby、python呢！

如果能有免费的API接口可以调用，那就不管是啥语言了，省时又省心，何乐而不为呢！基于此，我百度了下，没想到还真找到了。所以在此记录下，也希望能帮助到大家。