node.js使用unzip解压zip包指定文件，提取 word/excel (docx/pptx/xlsx) 文本内容 这里介绍最新版office文档内容提取的一些简单方法。对于docx/pptx/xlsx文档来说，其本身就是一些zip文件，只需要在node.js先将其解压，再解析其中存放内容的xm
l即可，如word中的: text.docx\word\document.xml。
我们可以直接使用 unzip 模块，来解压。使用前先安装 unzip。
npm install unzip
Linux下用node.js提取Word(doc/docx)/PDF文本内容 想要做全文搜索引擎，则需要将word/pdf等文档内容提取出来。对于pdf有xpdf等一些开源方案。但Word文档的情况则会复杂一些。
我们这里使用了 antiword 开源软件，来提取word2003以前版本的内容，安装同样非常简单：
apt-get install antiword
沪公网安备31011202009668号 | 沪ICP备13020027号-2 