如何在c ++中搜索docx文件中的单词？

Question

我正在用c ++编写一个搜索程序，它将在一组文件中搜索一组单词。这些文件是文本文件或docx文件。问题是如何在c ++中搜索docx文件，我甚至无法打开它，如果我需要将其转换为文本文件，程序是什么以及我将如何搜索它？

Answer 1

.docx是zip，里面有一堆XML文件。它记录在http://openxmldeveloper.org/articles/GuidedTourOfSpecPart1.aspx

Answer 2

OOXML文件格式正式记录在ECMA-376中。有一个等效的ISO标准（29500，如果内存服务），但我相信你必须付钱才能得到它，两者是相同的 ¹ 。但是，作为警告，这些是巨大的文档，文件格式本身绝对不容易处理。只是获取原始文本是一个相对简单的任务，但仍然不是很简单。

¹ ISO在其“快速通道”计划下接受了ECMA标准，即使在某些情况下，它还没有完全遵循正常的ISO指南

Answer 3

如果无法编写自己的OOXML解析器，则可以使用docx2txt转换docx文件。