Um was für ein Dokumentenformat handelt es sich denn? Wenn es kein binäres ist, lässt sich ja schnell ein Script schreiben, dass diese Arbeit übernimmt.

Wenn du das jetzt noch als ODF umwandelst, hast du zwar kein Plaintext-, aber zumindest ein gepacktes XML-Format, indem du mit entsprechend markierten Überschriften gut nach diesen Suchen kannst. Word ist jedenfalls ein Scheißformat, von halbwegs guter Dokumentation mal gar nicht zu reden.

PDF ist auch ein Binärformat, allerdings offengelegt. Ohne entsprechende Toolkit kann man das aber vermutlich auch nur schwerlich auslesen, und mir sind nur Lösungen zum Erzeugen von PDF bekannt.

Eine (La)TeX-Quelle wäre natürlich super, da am einfachsten auszuwerten. HTML, RTF oder PostScript kommen auch in Frage; allerdings weiß ich von letzteren beiden nicht, ob sie sematische Auszeichnungen von Überschriften kennen - die dann natürlich auch im Dokument entsprechend verwendet werden müssen.

Weiterhin kann man auch einfach alles indizieren und mit entsprechenden Dictionaries ungewünschte Wörter (Artikel, Konjunktionen etc.) ausfiltern, so dass am Ende hoffentlich nur die Fachbegriffe übrig bleiben (wenn das Ergebnis entsprechend klein ist, kann man da noch eben von Hand aussortieren).