web-dev-qa-db-ja.com

Ubuntuのデフォルトのdocxパーサー

テキストファイルにインデックスを付けるためにRecollをインストールしました。それは魅力のように機能しますが、私が驚いたのは、ドキュメントファイルにインデックスを付けるためのアンチワードをインストールするように求められたときに、デフォルトでdocxにインデックスを付けることができたことです。 docとdocxのMIMEタイプが異なることは知っていますが、どちらもLibreで簡単に開くことができます。

私が理解したいのは、なぜdocxファイルが箱から出して解析されたのに、docファイルには追加のアプリ（アンチワード）が必要だったのかということです。 Libleがデフォルトでdocxにのみ使用されているか（Nautilusでファイルをナビゲートすると、docとdocxの両方がLibleOfficeファイルとして認識されるため、疑わしい）、Ubuntuには私が知らない他のドキュメントパーサーがありますか？

いずれにせよ、単純なファイルよりも複雑なWinOfficeファイルの方がサポートが優れていることに驚いています。

PDATE： xdg-mineで両方のMIMEタイプをチェックしました。私の質問はまだ残っています。 docファイルがデフォルトでインデックス付けされなかったのはなぜですか？

yuranos@yuranos-XPS-15-9550:~/development$ xdg-mime query default application/msword
libreoffice-writer.desktop
yuranos@yuranos-XPS-15-9550:~/development$ xdg-mime query default application/vnd.openxmlformats-officedocument.wordprocessingml.document
libreoffice-writer.desktop
16.04libreofficerecolldoc
1
yuranos87

docxファイルはXMLベースであり、単純なxslt変換を使用してRecollによって解析されます。 Recollのバージョンに応じて、xsltprocまたはPython libxml2/libxsltをインストールする必要があります。これらは一般的な依存関係であり、他の理由でシステムに存在する可能性があります。

古い.doc形式は、recollで直接処理できないバイナリ形式であり、代わりにアンチワードを使用してテキストを抽出します。

2
medoc