是否可以在不下载文件（Java、Python 或其他语言）的情况下读取和解析链接到网站上的 .docx 文件？

Question

我想编写一个程序来解析在线 .docx 文件以构建 XML 文档。我知道（或者至少我认为我知道）浏览器需要插件才能在浏览器中查看 .docx，但我对插件或工作原理并不熟悉。在 Notepad++ 中查看 .docx 文件后，我似乎很清楚我将无法解析二进制数据。有没有办法在任何语言或库的能力范围内为我的目的模拟 .docx 文件的打开（编辑：也就是说，不下载文件并将其保存到我的硬盘驱动器）？

我的问题更多是关于在不下载的情况下打开文件，而不是关于文件的实际解析，因为我已经研究了用于在 Java 中解析文档的 Apache POI API。

Answer 1

让我试着说清楚。

如果您正在查看它，那么您已经下载了它。您正在“下载”此网页，以便您的浏览器呈现它。您正在“下载”一个指向文档的链接，该链接告诉您有一个文档。除非您下载，否则您无法查看该文档。

是的，你必须下载它。

下载文件只是从远程服务器获取它。

当然，您不必将其写入到您的硬盘上。你可以下载下来存到内存中，然后从内存中处理。

一旦你打开一个连接，你会得到一个InputStream 对象来读取字节。您可以将其传递到 Apache POI 库中以读取文件。

Answer 2

虽然上面的答案在技术上是正确的，但我相信你问的是所谓的屏幕抓取，你可以开始here。