「C」中的Microsoft word Text Parser

Question

我想知道從Microsoft word（.doc和.docx）文檔中解析和獲取文本內容的過程。使用的編程語言應該是簡單的「C」（應該是gcc）。

是否有那些已經在做這項工作的所有庫，

擴展：我可以使用同樣的方法來解析微軟功率點文件還文本？

Answer 1

Microsoft Word文檔是一個巨大的野獸 - 你絕對不想自己寫這個代碼。查看使用現有的免費Word庫，如antiword或wvWare。

Answer 2

我不知道存在的庫，但格式規範可從Microsoft免費獲得，並承諾不會因使用它們而起訴你。

Answer 3

在windows上，讓word完成作業並與COM對象進行接口，在linux上，作業完成於antiword。或者，您可以使用UNO對象模型在任何平臺上自動執行OpenOffice.org。

Answer 4

如果您願意在C中使用COM接口，您可以使用自Windows 2000以來內置於每個Windows版本的IFilter接口。您可以使用它從任何辦公文檔中提取文本（ Word，Excel等），PDF文件或安裝了IFilter支持的任何文件類型。

我在幾年前寫了一個blog post。這全是C++，但是你可以使用C中的COM對象。