微软在“C”中的文字解析器

Question

我想知道从Microsoft word（.doc和.docx）文档中解析和获取文本内容的过程。使用的编程语言应该是简单的“C”（应该是gcc）。

是否有任何图书馆已经完成这项工作，

扩展名：我可以使用相同的程序解析Microsoft power point文件中的文本吗？

Answer 1

我不知道存在的库，但格式规范可以免费从Microsoft获得，并承诺不会起诉你使用它们。

Answer 2

Microsoft Word文档是一个巨大的野兽 - 你肯定不想自己编写这些代码。请考虑使用现有的免费Word库，例如antiword或wvWare。

Answer 3

在Windows上，让word完成工作并与COM对象接口，在linux上，作业在antiword完成。或者，您可以使用OpenOffice.org对象模型在任何平台上自动UNO。

Answer 4

如果您愿意在C中使用COM接口，可以使用自Windows 2000以来每个Windows版本中内置的IFilter接口。您可以使用它从任何版本中提取文本office文档（Word，Excel等），PDF文件或安装了IFilter支持的任何文件类型。

几年前我写了一篇关于它的blog post。这都是C ++，但您可以使用C语言中的COM对象。