utf-8 - Microsoft Word DOC 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，因为结果文本(粘贴在 UTF-8 编码的文本文件中)不支持某些标点符号(例如引号)。

例如，当粘贴到 UTF-8 文本文件中时，打开 Word 'smart quote' 会产生 ì象征。如果 Word 确实以 UTF-8 编码，那么 Word 如何尝试呈现实际的 UTF-8 character ?

编辑

经过一番挖掘，我可以看到 Microsoft Word .docx 文件实际上是一种压缩格式。解压缩它会导致许多 .xml 文件被解压。

然而，UTF-8 编码的文本文件无法支持这些“智能”引号仍然令人困惑。任何有启发性的信息都会有所帮助。

Answer 1

这些天docx文件实际上是一堆压缩的xml文件。这些文件之一是 document.xml文件，以以下行开头(即 xml prolog):

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

如您所见，它是一种 UTF-8 编码。
编辑
UTF-8 支持完整的 Unicode 字符集。只是为了完整起见，这并不意味着所有 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，存储一个` 或一个ì 不是问题。
更重要的是，文件格式与应用程序本身的复制粘贴行为没有任何关系。
然而，这里是 word 存储 ` 和 ì 符号的方式。

更正
有点令人困惑，但我刚刚意识到，通过“智能引用”，您可能指的是 Word 必须表示 curl 引号的机制。在我之前的回答中，我认为您的意思是“反引号”，这是另一回事。 - 对困惑感到抱歉。
好吧，无论如何，这里是这些智能引号的 unicodes:

让我们把它们放在一个简单的 UTF-8 编码的文本文件中。
结果并没有那么壮观:

U+2018以 UTF-8 编码为 E2 80 98

U+2019以 UTF-8 编码为 E2 80 99

U+201C以 UTF-8 编码为 E2 80 9C

U+201D以 UTF-8 编码为 E2 80 9D

所以，我更进一步，把它们放在一个word文件中。
我输入了一行带有常规引号的行，以及一行带有智能引号的行。

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

然后，我保存了这个东西并查看它是如何存储在 Word 的 xml 结构中的。实际上它完全按预期存储。