Microsoft Word文档和DOCX文件的字符编码？

Question

我不太熟悉Microsoft Word使用的编码。如果有人从Word中保存。doc或。docx文件，使用的标准编码是什么？

我猜它不是UTF-8，因为生成的文本（粘贴在UTF-8编码的文本文件中）不尊重某些标点符号（例如引号）。

Answer 1

如今，docx文件实际上是一堆压缩的xml文件。其中一个文件是document.xml文件，它以以下行（即xml prolog）开始：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

如您所见，这是一种UTF-8编码。

UTF-8支持完整的Unicode字符集。为了完整起见，这并不意味着所有的UTF-8字符实际上都可以在xml文件中使用。即使是CDATA块也有其局限性。但话虽如此，存储an`或ané并不是问题。

有点困惑，但我刚刚意识到，所谓的“聪明引号”可能指的是Word表示花括号的机制。在我之前的回答中，我以为你指的是“反勾”，这是另一回事。-很抱歉给你带来混乱。

好吧，不管怎样，以下是这些聪明引号的Unicode：

让我们把它们放在一个简单的UTF-8编码文本文件中。结果没那么壮观：

null

“ this is a test “ 
“ this is another test ”

然后，我保存了它，并查看了它是如何存储在Word的xml结构中的。实际上，它的存储完全符合预期。