是否所有MS Word文档都以XML可读格式进行序列化？

Question

我想了解如何在Word文档打开时重建Word文件，以及在保存编辑和关闭文件时以何种格式对它们进行序列化。你可能有任何信息对我非常有用？谢谢

Answer 1

所有.doc文件存储在binary format。打开和操作这些是PAIN的练习。

所有.docx文件实际上是以ZIP格式存储的XML文件的集合。没错，只需将.docx或.xmlx或.pptx的扩展名更改为.ZIP，就可以像打开其他任何ZIP文件一样打开文件。 MS甚至有一个称为Office Open XML的格式的API。就我个人而言，我认为OOXML API具有相当陡峭的学习曲线，当我倾向于制作Word文件或以其他方式操作它们时，我只需制作一个示例文件，解压缩它，然后操作其内部。海事组织的OOXML文件的基础知识很简单，足以使用没有一个大的旧API ...

Answer 2

是所有的MS Word文档序列化为XML可读格式？

简答：没有。

长答案：每发布一次，MS都会更改word文档的格式。因此Word 6.0到95使用格式，Word 97到2002（又名XP）使用另一个，2003另一个，而2007又是另一个。

当然，每个版本都可以以旧格式保存和打开文档（虽然新功能通常无法保存在这些较旧的格式中）。

截至2003年（.doc）的格式是以前版本的增量升级，并且是基于二进制的。

与Office 2007中引入格式文件（.docx）是基于XML的，并被迫为ISO标准“ISO/IEC 29500：2008的Office Open XML”，虽然这个词本身是不是该标准完全兼容。请注意，Word 2007仍然可以以旧的二进制格式保存（并打开）文档。

希望这会有所帮助。