我需要将MSWord文件转换为XML或HTML，同时保留文件的结构（主要是表格）。 我碰巧find了tika，它在从MSword文件（和任何文件）中提取文本方面function非常强大，如下所示：
curl www.vit.org/downloads/doc/tariff.doc \ | java -jar tika-app-1.3.jar --text 我可以从选项中select将输出保存为html / XML，如下所示：
curl www.vit.org/downloads/doc/tariff.doc \ | java -jar tika-app-1.3.jar --html
但是输出基本上就像用HTML编写的纯文本，所以不可能得到表格结构和其他文档元素。
在Perl或Python中，是否有任何Tika的实现可以将文档转换为XML / HTML，同时维护其元素的结构？ 还是有任何其他工具在Linux上可以做到这一点？
安装OpenOffice SDK，它为各种文档（包括转换）提供了强大的API。