使用哪个页面代码对此DOC文档进行编码？

Question

我收到了一堆.DOC文件。我甚至不肯定他们是Word文档，但即使他们是，我需要打开并用例如解析它们。 Python从中提取信息。

问题是，我无法弄清楚它们是如何编码的：无论我尝试哪种编码，UltraEdit的转换功能都无法纠正文本。 OpenOffice 3.2也无法正确显示内容（猜测Windows-1252）。

这是一个例子，希望有人知道它是什么页面代码：

“lÕAssemblŽiewŽnŽrale”而不是“l'Assembléegénérale”

感谢您的任何提示。

Answer 1

Greenstone数字图书馆http://www.greenstone.org/提供了来自word文档的非常好的文本提取，包括编码检测。

Answer 2

在服务器模式下运行msword为您提供了一系列脚本选项 - 我确信可以检测到编码。