在我去年的 Word的信息泄露 里，我提到：如果还在用.doc文件，那Word版本一定非常非常老。

上周二10月14日，微软对Windows 10和Office 2019及以前的版本终止了支持，也就是，没有任何无需付费的技术支持、软件更新、安全更新或修补程序。

不要再用.doc文件后缀名了。

.doc的文件类型是：Word 97-2003 文档。实际上从Word 2007开始，你就应该开始只用.docx了。

当然，很多人的文件资源管理器可能设置了“隐藏已知文件类型的扩展名”，分不清啥.doc和.docx，这个很危险，但是不是今天要谈的。

.doc和.wps都是。.wps改成.doc，就可以在Word里打开，我没有仔细分析，很大概率其实是一样的。

我精通Word。这个精通不是你们写在简历里的“精通”2个字，而是真的精通。

我精通不是因为我比你们聪明，只是因为我知道从现在开始的5分钟之后之前你们还不知道的一些方法。

简单点说，就是你还在用望闻问切，而我借助工具已经用显微镜、红外、超声、X光、CT、PETCT、磁共振、电镜从表层看进灵魂。

.doc有什么问题

它是封闭的，没有公开的标准。.doc文件结构完全是微软内部定义的，没有公开规范。别人只能靠反编译、逆向工程去兼容，还有潜在的法律风险。

这个文件结构怎么说呢？搞网络的都知道IP报文，由首部加数据部分组成。首部里面还有很多字段。在payload部分，还可以打包各类上层协议，一层一层往上叠。

如果你用Java来实现，会从使用POJO进化到使用Record。反编译结果就是一堆互相嵌套的Record记录类。可能某些字段还会搞错。

字段值是二进制格式的。二进制格式里混合文本、字体、样式、图像流，调试和修复非常困难。

而且它自身版本兼容性差。由于格式太老了，没有预留扩展的空间，Word 95、97、2000、2003 的Record记录类结构都不同。版本升级常导致文档格式错乱。国密标准也塞不进去。

上面都还好，但是要命的是它会带来安全问题。

因为是二进制结构，格式未公开，不易检测宏病毒、嵌入代码、OLE对象等恶意内容。加个什么东西，你完全是不知道的。

合规问题也很大，很多政府组织要求使用开放格式。2005年起，国际标准组织（OASIS）推出了ODF（OpenDocument Format），并被政府和开源社区OpenOffice、LibreOffice广泛采用。所以微软也就推出了Office Open XML (OOXML)，并且承诺任何人（个人或组织）都可自由实现和使用OOXML标准，无需支付版权费或担心专利诉讼，并且附带不能撤回条款。

如果你要正版化，并且担心被人卡脖子，你应该使用.docx或者.odt后缀名的文件。其中ODF是唯一真正完全开放、厂商中立的办公文档标准。

高校正版化软件实施过程中的一些问题，还要记住的是，不管是Office还是WPS，家庭版是不能用于商业用途的。

.docx的开放性

.docx解决了传统.doc格式存在的几乎所有问题。它采用了OOXML（Office Open XML）标准，是把一堆描述文档结构、样式、内容的 XML 文件打包在一起形成的文档。图片、音频、视频都是独立的，再使用zip压缩打包。

XML是啥？可以理解成是HTML的兄弟，俩人都是SGML这位“老妈”生的。

HTML随性、包容，错几个标签也能跑起来，所以在互联网传播和应用很广；而XML则严谨得多，讲究结构、讲究规范。

然而它们都是纯文本文件，用记事本、vi都能改，就算到了末日，都有工具可以改 一种整理大量照片的方法。

你可以将一个.docx改名为.zip，然后解开，就会看到。

所以，有能力，你都可以自己实现一个docx的编辑器来代替Word。

精通

经常有些人说Word格式很乱，不好用，那是因为没有掌握方法。

“熟悉”顶多只是会用，“精通”才是融会贯通。很多人做很多事，正常做下去没问题，一旦中间遇到错误，不会纠正。

就像一个具身智能机器人，能顺利跑十米，算是“熟悉”。只有当它被人推、被踢、被干扰、被打乱节奏时，还能踉踉跄跄跑完全程，那才叫“精通”。

得益于OOXML的Open属性，让我可以精通Word。接下来，我将分享一些工具与方法，希望能为你深入熟悉、迈向精通提供参考。

借助Word本身分析纠错

  • 使用“样式检查器”的“显示格式”，可以查看格式任何细微的改变，可以比较2个地方格式的差异。
  • 通过”审阅“的”比较“，可以比较2个文档从内容到格式的所有修改。审稿人经常用。
  • 使用VBA直接输出对应段落的段落或者字体属性来分析问题。借助AI，你可以很简单就生成想要的代码，举个例子，输出所有段落首行缩进不是2个字符的段落。
Sub CheckParagraphIndent()
    Dim para As Paragraph
    Dim i As Long
    Dim indentTarget As Single
    Dim tolerance As Single
    
    indentTarget = CentimetersToPoints(0.74)  ' 约等于 2 个字符宽
    tolerance = 0.5  ' 允许浮动误差（单位：磅）
    
    Debug.Print "检查首行缩进不是 2 个字符的段落："
    
    For i = 1 To ActiveDocument.Paragraphs.Count
        Set para = ActiveDocument.Paragraphs(i)
        
        ' 判断首行缩进是否在目标范围内
        If Abs(para.Format.FirstLineIndent - indentTarget) > tolerance Then
            Debug.Print "第 " & i & " 段首行缩进为 " & _
                        Format(para.Format.FirstLineIndent, "0.00") & " 磅"
        End If
    Next i
    
    Debug.Print "检查完成。"
End Sub

程序化控制Word的方法

微软提供了多种编程接口用于操作.docx文档，这些接口功能完备、文档详尽且易于使用。其中最直接的方式，是在Word自带的VBA环境中进行开发。

为了追求幂等、自动化和简洁性，我之前做的 Word样式的使用和管理办法/工作条例模板下载（最终版） 和 中小学课程表模板最终版下载和Excel源码，都是通过程序生成的，其中的Excel源码，我也已经在公众号中公开分享过。

在Word里直接编辑，其实很容易出问题。你删了又加、改了又调，文档结构早就被mess up了。更麻烦的是，Word文件里排版之间往往是相互关联的，改一处会影响到另外一处。

所以我更倾向于用程序生成Word文档。

比如你要把正文字体从宋体改成黑体，通常得打开Word、全选、再一个个调整。而我只需要改一下程序里的参数，比如把字体字号改成对应的值，重新跑一遍脚本，就能生成一个全新的、干净的文件。LaTeX、Markdown都是这么干的。

这也就是为什么我的XML“隐蔽工程”能做得那么好——因为他们每次都是重新Build，而不是在旧的结构上反复修改。

以下是一些工具：

  • Word VBA，Word自带的，可查看 https://learn.microsoft.com/en-us/office/vba/api/overview/word
  • Interop(COM)，必须安装Office，类似RPA一样操作Word，可查看 https://learn.microsoft.com/en-us/dotnet/api/microsoft.office.interop.word?view=word-pia
  • Open XML SDK for Office，不需要安装Office即可使用，可查看 https://learn.microsoft.com/en-us/office/open-xml/open-xml-sdk
  • 开源软件类库，比如Python的python-docx、docx2txt、openpyxl等等等
  • Sphinx、Pandoc、OpenOffice、LibreOffice等等打开或保存.docx的开源代码片段

其他软件

  • 使用zip加记事本。这个 http://officeopenxml.com/anatomyofOOXML.php 链接有.docx所有的结构，有详细的例子。
  • 使用Visual Studio Code的OOXML Viewer插件，以树状结构查看每个Part（XML部分）、查看修改内容、diff版本差异。