zdocument text文档/压缩包解析工具

zdocument_text 是一个文档解析库。主要用于解开各类压缩包，解析各类文档为文本和资源(主要是图片)，解出的文本不关注样式。适用于机器学习，分词等，不适合展示。

背景

• 在邮件反垃圾系统中, 需要解析附件(文档,压缩包,图片), 获取文本, 获取文件类型

支持的压缩包类型

• z, 7z, gz, tar, tgz, zip/arj/zipx, rar/lzh,

支持的文档类型

• doc/dot/wps/wpt, ppt/pps/dpt/dps, xls/xlt/ett/et
• docx/docm/dotx, pptx/pptm, xlsx/xlsm
• odt, odp, ods
• xmldoc, xmlxls
• rtf
• pdf