有人知道microsoft office 系列软件的格式怎么解析的么？比如.ppt格式

我知道现在的docx pptx 重命名zip后能解压出来一坨xml。。。。

开源组建应该有吧 至少有 openoffice。。。。

@txx 感谢回复 http://poi.apache.org/ apache poi项目已经做了这样的工作 不知道百度文库之类的实现是不是用了这个项目

微软的很多格式实际就是一个文件系统

请参考 MSDN ： http://msdn.microsoft.com/en-us/library/cc313118.aspx

实际上这种问题自己搜索一下就好了，例如 microsoft office format specification 之类的关键字就能带你找到相关技术文档。

不一定非要自己解析吧。比如可以 => PDF => HTML 。

ruby有个库，可以解析doc，上次有人在邮件列表里问过，doc格式不适合解析，joel 以前谈过这个问题，首要是要保证计算机的读写，一开始也没有跨平台的需要

我先在目中用的是openoffice成pdf,再用swftools成swf,最後在flash中

slideshare 被墙了，百度文库因为版权问题要先审后发，挺麻烦的，如果有成熟的方案，不如自己折腾一个，方便小范围的使用，这个貌似技术门槛挺高的，百度文库做的挺好的，感觉上比slideshare要好

openoffice有各个格式的详细解析文档

@muxi 可以试试FlexPaper，现在阿里内部的知识管理（阿里味的教学相长）用的就是这个解决方案

百度文库等这种系统里面都是先在后台把文档转换成JPG，PDF等显示的，这方面的工具比较多，用不着去个人解析office文档的格式。

WPS 兼容微软很多都是照着 Open Office 来的。