哪个页面代码被用来编码这个DOC文档？

Question

我收到了一堆.DOC文档。我甚至没有肯定他们是Word文档，但即使他们是，我也需要打开并用例如。 Python从中提取信息。

问题是，我无法弄清楚它们是如何编码的：无论我尝试使用哪种编码，UltraEdit的转换函数都不会纠正文本。 OpenOffice 3.2也无法正确显示内容（猜测Windows-1252）。

下面是一个例子，希望有人知道什么pagecode是：

“lÕAssemblŽegŽnŽrale”，而不是 “L'Assemblée兴业”

感谢您的任何提示。

Answer 1

Greenstone数字图书馆http://www.greenstone.org/提供了包括编码检测在内的字文档的很好的文本提取。

Answer 2

在服务器模式下运行msword为您提供了一系列脚本选项 - 我确定检测编码是可能的。