legacy-doc-text-extract

在没有 LibreOffice / pandoc / antiword 的 Windows 环境下，使用纯 Python 提取 Word 97-2003 二进制 .doc（OLE2 复合文档）文件中的正文纯文本。包含分片表（piece table）解析原理、压缩片段/UTF-16 编码判别、控制字符清理与质量校验方法。适用于当常规读取工具仅能输出乱码或二进制数据时，也支持批量处理一个文件夹内多部老旧稿件。

模型生成摘要（rules/v1 · 2026-11-14 20:55）：在没有 LibreOffice / pandoc / antiword 的 Windows 环境下，使用纯 Python 提取 Word 97-2003 二进制
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-14 20:54	5179a29a	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。