pdf - MS Office 和 PDF 文档的架构定义

Question

我们的项目涉及解析具有结构化内容的文档，用户必须上传传入文档的模式。到目前为止，我们只处理了 XML，所以这很好。但是现在对 xls(x)、doc(x) 和 pdf 的要求已经到来。

这些文档类型是否有模式定义？我可以确定它可能不适用于 pdf，但希望可能有某种方法可以将这些用于其他类型。

Answer 1

MSDN 有 Microsoft 格式的文档

• 二进制（.doc 等）格式： http: //msdn.microsoft.com/en-us/library/cc313118 (v=office.12).aspx
• XML（.docx 等）格式： http: //msdn.microsoft.com/en-us/library/gg548604 (v=office.12).aspx

PDF 是一种基于 PostScript 的页面描述语言，因此没有使文档内容具有语义意义的架构。