.doc 格式如何工作？答案

【问题标题】：How does the .doc format work?.doc 格式如何工作？
【发布时间】：2010-09-12 14:20:40
【问题描述】：

我最近了解了 .docx 文件的基本结构（它是一个特殊结构的 zip 存档）。但是，docx 的格式不像 doc。

doc 文件是如何工作的？文件格式、结构等是什么？

【问题讨论】：

它是二进制的，规范在Microsoft's Open Specification Promise的条款下可用

标签： zip format docx doc

【解决方案1】：

二进制 .doc 文件的完整格式记录在来自 (the Wikipedia article on .doc) 的 this pdf 中

【讨论】：

如果只是二进制文件格式，为什么我可以通过 WinRar 打开 .doc 文件？

【解决方案2】：

.doc 格式相当复杂。与大多数 Microsoft 格式一样，它反映了版本和旧支持之间的长期变化历史。他们不久前发布了它，所以如果你想查看它（以及其他 pre-Office 2007 格式），knock yourself out here。

【讨论】：

【解决方案3】：

有 Microsoft Word 的 .doc，然后是纯文本 .doc。听起来您想知道专有的 Microsoft 格式。

来自Wikipedia：

DOC 格式因 Microsoft Office Word 格式而异。最高 97 的 Word 版本使用的格式与 97 和 2003 之间的 Microsoft Word 版本不同。

直到 Word 2007，.docx 虽然是打包文件，但不一定是 .zip 存档。它是一个结构化的 XML 文档。

【讨论】：

【解决方案4】：

这不是您问题的直接答案，但我强烈建议您阅读 Joel Spolsky 的文章 Why are the Microsoft Office file formats so complicated? (And some workarounds)。它将让您深入了解 .doc 格式的复杂程度以及原因。 Joel 还对 .doc 格式的组成进行了非常基本的概述：

您看，Excel 97-2003 文件是 OLE 复合文档，本质上是文件单个文件中的系统。这些足够复杂，您必须阅读另一个 9 页规范来解决这个问题。而这些“规范”看起来更像是 C 数据结构比我们传统上认为的规范。这是一个完整的分层文件系统。

（引用是指 Excel 文件，但它也适用于 Word 文档）。内容丰富的文章，有助于理解为什么 .docx 和 ODF 文件的结构和设计在从外部角度检查时更加合乎逻辑。

【讨论】：

【解决方案5】：

MS Word DOC 格式背后的基本思想是一个 OLE 复合文档，正如 Kibbee 已经写的那样，它基本上是一个内存转储。这是一种非常复杂且令人费解的文档存储方式，但是如果您曾经真正深入研究过 Word 应用程序，您就会知道它有多么疯狂的功能，如果您在商业环境中使用过它，您将拥有一个很好的感受它如何与 Office 系列中的其他程序集成。

一般来说，OLE 复合文档是非常可扩展的结构，它允许您将各种数据填充到一个文件中，甚至在某种程度上可以处理您没有安装应用程序的数据。例如，如果您将 Equation 对象（来自 MS Equation Editor）插入到文档中，它将被存储为子对象，就像文件中的文件一样，但该对象不仅包含 Equation Editor 所需的数据为了编辑和渲染它，它还存储了一个通用位图（或元文件，也许）表示，因此它可以在没有安装方程式编辑器的机器上显示，尽管没有编辑。

这就是为什么，对于如何你必须阅读其他人已经链接到的规范;）

如果您想以简单的方式处理文件，请确保您的软件在安装了 Word 的 Windows 计算机上运行，然后使用 COM/OLE 自动化打开和操作文档。这样你就不用担心文件格式了。

【讨论】：

【解决方案6】：

Doc 是 word 文档的二进制格式 - 这里是 Microsoft Office Word 97-2007 Binary File Format Specification [*.doc] 文档。

【讨论】：