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不像doc那样格式化。
doc文件如何工作？什么是文件格式，结构等？
答案 0 :(得分：14)
这不是你问题的直接答案，但我强烈建议阅读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还给出了.doc格式包含的基本概述：
你看，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。这些都非常复杂，你必须阅读 另外9页的规格来解决这个问题。而这些“规格”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
（引用引用Excel文件，但它也适用于Word文档）。信息性文章，有助于理解为什么.docx和ODF文件在从外部角度进行检查时的结构和设计更加逻辑性。
答案 1 :(得分：11)
二进制.doc文件的完整格式记录在this pdf来自the Wikipedia article on .doc）
答案 2 :(得分：5)
MS Word DOC格式背后的基本思想是OLE Compund文档，正如Kibbee已经编写的那样，它基本上是一个内存转储。这是一种非常复杂和复杂的文档存储方式，但是如果你真的挖掘过应用程序Word，你就会知道它有多么疯狂的功能，如果你在商业环境中使用它，你会有一个好的感觉它如何与Office系列中的其他程序集成。
通常，OLE Compund文档是非常可扩展的结构，允许您将所有类型的数据填充到一个文件中，甚至在某种程度上处理您没有安装应用程序的数据。例如，如果将一个方程式对象（来自MS公式编辑器）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，但此对象不仅包含公式编辑器所需的数据为了编辑和渲染它，它还有一个通用的位图（或元文件，也许）表示存储，因此它可以在没有安装公式编辑器的机器上显示，但不能编辑。
这是为什么，对于如何，您必须阅读其他人已经链接到的规范;）
如果您希望使用简单的方法处理文件，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。您不必担心文件格式。
答案 3 :(得分：1)
.doc格式非常复杂。与大多数Microsoft格式一样，它反映了版本和旧版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（和其他Office 2007之前的格式），knock yourself out here。
答案 4 :(得分：1)
Doc是word文档的二进制格式 - 这是Microsoft Office Word 97-2007 Binary File Format Specification [*.doc]文档。
答案 5 :(得分：0)