我只是想知道是否有人知道有什么好的库可以用来解析.doc文件（以及类似的格式，如.odt）来提取文本，同时还可以在可能的情况下保留格式信息以显示在网站上。
对pdf进行类似操作的能力将是一个额外的好处，但我并没有那么期待。
这是一个rails项目，如果有帮助的话。
提前谢谢！
最佳答案
apache的POI是访问word和excel文档的一种非常流行的方法。有一个Ruby POI binding可能值得研究，但看起来你必须自己构建它。而且API看起来不太像Ruby，因为它实际上是Java代码的直接端口。而且它似乎只针对Ruby1.8.2进行了测试。