c - “C”中的 Microsoft Word 文本解析器

Question

我想知道从 Microsoft Word（.doc 和 .docx）文档中解析和获取文本内容的过程。使用的编程语言应该是普通的“C”（应该是 gcc）。

是否有任何图书馆已经完成这项工作，

扩展名：我也可以使用相同的程序来解析 Microsoft power point 文件中的文本吗？

Answer 1

我不知道存在的库，但格式规范可从Microsoft免费获得，并且承诺不会因使用它们而起诉您。

Answer 2

Microsoft Word 文档是一个巨大的野兽——您绝对不想自己编写此代码。考虑使用现有的免费 Word 库，例如antiword或wvWare。

Answer 3

在 Windows 上，让 word 完成这项工作并与 COM 对象交互，在 linux 上，这项工作是在antiword中完成的。或者，您可以使用UNO对象模型在任何平台上自动化OpenOffice.org 。

Answer 4

如果您愿意在 C 语言中使用 COM 接口，您可以使用自 Windows 2000 以来每个版本的 Windows 中内置的IFilter接口。您可以使用它从任何办公文档（Word、Excel、等）、PDF 文件或任何安装了 IFilter 支持的文件类型。

几年前我写了一篇关于它的博客文章。都是 C++，但你可以使用 C 中的 COM 对象。