哪個頁面代碼被用來編碼這個DOC文檔？

Question

我收到了一堆.DOC文檔。我甚至沒有肯定他們是Word文檔，但即使他們是，我也需要打開並用例如。 Python從中提取信息。

問題是，我無法弄清楚它們是如何編碼的：無論我嘗試使用哪種編碼，UltraEdit的轉換函數都不會糾正文本。 OpenOffice 3.2也無法正確顯示內容（猜測Windows-1252）。

下面是一個例子，希望有人知道什麼pagecode是：

「lÕAssemblŽegŽnŽrale」，而不是 「L'Assemblée興業」

感謝您的任何提示。

Answer 1

Greenstone數字圖書館http://www.greenstone.org/提供了包括編碼檢測在內的字文檔的很好的文本提取。

Answer 2

在服務器模式下運行msword爲您提供了一系列腳本選項 - 我確定檢測編碼是可能的。