最后更新与2023-05-09：doc二进制太复杂了，放弃。

创建于2023-05-05

虽然说是Golang，其实看文档的话，和语言无关

xls解析已经有人做了，这里是github源码（github）

但是doc的解析没有找到。

想自己研究一下，目前找到的是doc和xls文件的二进制格式说明。

之所以连xls也找来，是因为想结合extrame/xls看一下解析的思路。

office文件的二进制格式说明（cnblogs）

点后面的PDF可以下载文档

在PDF文档第22页，有比较关键的定位标记（具体叫什么我也不清楚，但是在extrame/xls中是可以看到源码中有用到，比如0x0809, 0x0042等等）

目前研究到这里。

等我琢磨一下doc，再来补充吧。。。

更新于2023-05-06

这个文档的2.7 Document Properties定义了Word的各个版本的二进制结构

更新于2023-05-08

2.5 The File Infomation Block定义了FIB的数据结构：

// 字段前面的`F`是我顺手加的，因为必须要大写开头。

// 定义Fib
type Fib struct {
    Fbase           FibBase
    Fcsw            uint16
    FfibRgW         FibRgW
    Fcslw           uint16
    FfibRgLW        FibRgLW
    FcbRgFcLcb      uint16
    FfibRgFcLcbBlob FibRgFcLcbBlob
    FcswNew         uint16
    FfibRgCswNew    FibRgCswNew
}

// 定义FibBase
type FibBase struct {
    FwIdent    uint16
    FnFib      uint16
    Funused1   uint16
    Flid       uint16
    FpnNext    uint16
    FA_M1      uint8 // 补充说明：定义字段时A-M段，我写作FA_M，因为要两个uint8，所以这里有两个成员FA_M1, FA_M2
    FA_M2      uint8
    FnFibBack  uint16
    FlKey      uint32
    Fenvr      uint8
    FN_S       uint8
    Freserved3 uint16
    Freserved4 uint16
    Freserved5 uint32
    Freserved6 uint32
}

// 定义其他结构体... 

然后读取数据

fileName := "test.doc"
var fi *os.File
if fi, err = os.Open(fileName); err == nil {
    var ole *ole2.Ole
    if ole, err = ole2.Open(fi, "utf-8"); err == nil {
        var dir []*ole2.File
        if dir, err = ole.ListDir(); err == nil {
            var word *ole2.File
            var root *ole2.File
            for _, file := range dir {
                name := file.Name()
                // 参考：https://interoperability.blob.core.windows.net/files/MS-DOC/%5bMS-DOC%5d.pdf
                if name == "Root Entry" {
                    root = file
                }
                if name == "WordDocument" {
                    word = file
                }
            }
            if word == nil || root == nil {
                return
            }
            rs := ole.OpenFile(word, root)
            doc := new(Doc)
            doc.rs = rs
            doc.parse()
        }
    }
}

// doc.parse方法...
buf := doc.rs
b := new(Fib)
if err := binary.Read(buf, binary.LittleEndian, b); err == nil {
    DLog(b)
}

就把数据读取到结构体中了：

Fib

FibBase

对照文档对FibBase部分的说明：

FibBase说明

可以发现wIdent和nFib都对应上了

42476(10) = 0xA5EC(16)
  193(10) = 0x00C1(16)

不过A-M段对应有问题，J属于MUST be的值，却对应不上，不知道我哪里出了问题。
曾经考虑是不是“二进制高低位”的问题，也就是binary.LittleEndian、binary.BigEndian的区别。
但是byte(uint8)应该不存在高低位了，只有uint16及以上会涉及到这个问题呀。。。
这也是为什么FibBase中定义A-M段的时候，用了两个uint8来接收数据
FA_M1 uint8 // 包含A-E
FA_M2 uint8 // 包含F-M

然后查看Fib其他字段的值，也有对应。

更新于2023-05-09

类似上面的数据解析还有很多，相比上次更新，又做了很多处理，

然而数据格式太过于复杂，我也不太能理解一些描述，逻辑不明确，放弃了。

简书不能上传文件，代码也没啥意义，就不放了。