Grep no Microsoft Word?
Eu gostaria de puxar todas as linhas com uma determinada string de um documento do Word. No mundo unix ... o grep faz isso sem falhas. O Windows é menos que óbvio para mim.
Com o Cygwin (ou acesso a uma máquina Linux) você pode
antiword file.doc | grep "my phrase"
ou
catdoc file.doc | grep "my phrase"
Existem muitos conversores de formato de arquivo de linha de comando disponíveis para o grep de maneira semelhante.
A solução puramente em Word pode ser Ctrl + F (Localizar) e, em seguida, Localizar tudo - no entanto, não tenho certeza se todas as versões do MS Word tem o botão Localizar todos .
Eu sei que isso soa primitivo, mas o que impede você de salvar o arquivo como .txt e separá-lo ao seu gosto.
O que significa "linha" em um contexto do Word? A linha exibida, que muda se você fizer alguma coisa na formatação da página? O parágrafo? Algo mais?
Você pode fazer um monte de coisas com as funções de localizar e substituir do Word, incluindo alterar a formatação e outras coisas não óbvias, mas todas elas só agirão sobre o texto localizar-o, não em qualquer texto adjacente .
Há suporte para documentos do MS - Word, PowerPoint, Excel - em CRGREP que desenvolvi como uma ferramenta gratuita de código aberto . Ele também procura outras coisas difíceis de pesquisar, como tabelas de banco de dados, imagens, áudio, arquivos, PDF e combinações destes. Divirta-se.
PowerGREP fará exatamente exatamente isso a> para você e rápido - mas não livre. Vale a pena cada centavo, na minha opinião. Além disso, há uma avaliação gratuita de 30 dias.
Não tenho representante suficiente para comentar, mas posso ver essa questão do doc vs docx discutida para que qualquer pessoa que persiga o tópico (como eu) possa achar isso útil.
Você não precisa de uma ferramenta especial para arquivos docx. docx são arquivos XML compactados.
Para extrair e remover o XML, tente algo com base em
unzip -p "*.docx" word/document.xml | sed -e 's/<[^>]\{1,\}>//g; s/[^[:print:]]\{1,\}//g'
Tags grep microsoft-word