是否可以在不下载文件（Java，Python或其他语言）的情况下读入并解析链接到网站的.docx文件？

Question

我想编写一个解析在线.docx文件的程序来构建XML文档。我知道（或者至少我认为我知道）浏览器需要一个插件才能在浏览器中查看.docx，但我不熟悉插件或工作方式。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。有没有办法模拟.docx文件的打开我的目的（编辑：即没有下载并将文件保存到我的硬盘驱动器）在任何语言或库的能力范围内？

我的问题更多是关于打开文件而不下载而不是实际解析它，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”指向文档的链接，该文档会告诉您存在文档。除非您下载文档，否则无法查看该文档。

是的，你必须下载它。

下载文件只是从远程服务器获取文件。

当然，您不必将写入您的硬盘。您可以下载它并将其存储在内存中，然后从内存中处理它。

打开连接后，您将获得一个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

虽然上述答案在技术上是正确的，但我相信你所问的是屏幕抓取，你可以开始here。