LibreOffice 命令行批量处理实战:不开软件,一条命令批量转换 Word、Excel、PPT

搞技术的朋友多少都遇到过这种场景:领导发来 …

搞技术的朋友多少都遇到过这种场景:领导发来 50 个 Word 文档要统一转成 PDF 归档,或者运营丢过来一堆 Excel 表,撂下一句“都转成 CSV,程序要用”。这时候你要是老老实实一个个点开、另存为、选格式,一上午基本就交代了。

其实这事儿根本不用打开图形界面。Linux 上的 LibreOffice 自带一个 headless(无头)模式,专门干这种脏活累活。一条命令就能批量转换,还能写进脚本、挂到 cron 里定时跑。今天这篇把它讲透,看完你就能把“转格式”这活儿彻底自动化。

为什么选 LibreOffice headless

先说结论:LibreOffice 是目前免费、跨平台、格式支持最全的办公套件,最关键的是它支持命令行无界面运行。这意味着:

  • 服务器上没装桌面环境,照样能批量转换;
  • 可以写进 shell 脚本、结合 cron 定时执行;
  • Word、Excel、PPT、CSV、TXT、HTML 之间互相转,一个工具全包。

对自建服务器、Homelab 玩家来说,这几乎是文档处理的标配工具。

第一步:安装

以 Debian / Ubuntu 为例,一条命令装齐转换模块和中文字体:

sudo apt update
sudo apt install -y libreoffice libreoffice-writer libreoffice-calc libreoffice-impress fonts-noto-cjk

说明一下:libreoffice-writer 对应 Word 文档、libreoffice-calc 对应表格、libreoffice-impress 对应幻灯片,fonts-noto-cjk 是中文字体,不装的话转出来的 PDF 中文会变成方块。

装完验证一下版本:

soffice --version

第二步:单文件转换,一条命令起步

最基础的用法,把一个 docx 转成 PDF:

soffice --headless --convert-to pdf /home/user/report.docx

两个参数解释一下:--headless 是无界面模式,--convert-to 指定目标格式。输出文件默认生成在原文件同一目录,同名改后缀,也就是 report.pdf。

换成别的格式也同理:

soffice --headless --convert-to txt report.docx
soffice --headless --convert-to docx old.doc
soffice --headless --convert-to xlsx data.csv

第三步:批量转换,for 循环一把梭

单文件只是热身,真正的价值在批量。假设 /home/user/docs 下堆了几十个 docx,想统一转 PDF 并放到指定目录:

mkdir -p /home/user/pdf
cd /home/user/docs
for f in *.docx; do
    soffice --headless --convert-to pdf --outdir /home/user/pdf "$f"
done

这里有两个重点:--outdir 指定输出目录;变量 "$f" 一定要加双引号,否则文件名里带空格就会直接翻车。

第四步:Excel 批量转 CSV,小心这个坑

Excel 转 CSV 有个经典大坑:LibreOffice 默认只导出第一个工作表(sheet)。如果你一张表里分了多个 sheet,得加 filter 参数手动指定。

普通转法(单 sheet 够用):

for f in *.xlsx; do
    soffice --headless --convert-to csv --outdir /home/user/csv "$f"
done

要指定分隔符、字符集和 sheet,用这个反人类的 filter 串:

soffice --headless --convert-to "csv:Text - txt - csv (StarCalc):44,34,76,1" data.xlsx

解释一下这段:44 是逗号的分隔符编码,34 是文本引号,76 是 UTF-8 字符集,最后的 1 表示第一个 sheet。想换成分号分隔,把 44 改成 59 即可。

第五步:中文字体,转 PDF 不翻车

很多人第一次在服务器上用 LibreOffice 转中文文档,出来全是乱码或方块,根因就是没装中文字体。装完之后可以确认一下:

fc-list :lang=zh | head

只要能看到 Noto Sans CJK 之类的输出,转出来的 PDF 中文就是正常的。

第六步:并发加速,xargs 压榨多核

文件几百上千个时,for 循环单线程太慢。用 xargs 开并行:

ls *.docx | xargs -P 4 -I {} soffice --headless --convert-to pdf --outdir /home/user/pdf {}

-P 4 表示 4 个并发进程,按 CPU 核数自己调。不过有个细节:多个 LibreOffice 进程并发时可能争抢同一个配置目录导致冲突,保险起见给每个进程指定独立的用户目录:

ls *.docx | xargs -P 4 -I {} soffice --headless -env:UserInstallation=file:///tmp/lo_{} --convert-to pdf --outdir /home/user/pdf {}

第七步:挂到 cron,定时自动化

最后一步,把它变成无人值守的定时任务。比如每天凌晨两点,把当天新增的 Word 自动转成 PDF 归档:

crontab -e

加一行:

0 2 * * * cd /home/user/docs && for f in *.docx; do soffice --headless --convert-to pdf --outdir /home/user/pdf "$f"; done

常见坑小结

  • 文件名带空格 → 变量加双引号 "$f";
  • 中文乱码 → 装 fonts-noto-cjk;
  • xlsx 多 sheet 只转第一个 → 加 filter 参数;
  • 并发冲突 → 指定独立 UserInstallation;
  • 服务器无图形环境 → 必须加 --headless,否则直接报错。

总结

LibreOffice headless 是办公自动化的隐藏神器:批量转换、格式互转、定时归档,一条命令全搞定。重点是它完全免费、跨平台、可脚本化,服务器上也能跑。下次再有人甩给你一句“把这 100 个文件转一下”,直接脚本回过去,一秒都不带犹豫的。

如果你手头还有更复杂的文档自动化需求,比如带格式判断、按内容分类再转换,欢迎在评论区留言,咱们下篇接着聊。

类似文章

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注