城关网站seo网络营销公司加盟

在 Ubuntu 22.04 上，antiword 内置了对 简体中文 (GB2312/GBK/GB18030) 的解码映射表，所以能把 .doc 文件正确还原为中文。而在 macOS 上，antiword 的默认安装包里 缺少中文编码的 mapping 文件，导致读取到的原始字节流没能正确转码，显示成了乱码 ???。

⸻

为什么会这样
1. .doc 文件本身不是 Unicode，而是旧的 Word Binary 格式，文本内容一般保存为 Windows-1252、GB2312/GBK、Shift_JIS 等本地编码。
2. antiword 需要对应的 mapping 文件（/usr/share/antiword 目录下的 Mapping/*），才能把这些编码映射到 Unicode。
3. Linux 发行版（比如 Ubuntu）一般会打包好常见的中文 mapping 文件，但 macOS 上通过 brew install antiword 装的版本往往只有西文/拉丁编码，缺少中文支持。

⸻

解决办法

你有几条路可以选：

方法 1：安装/补全 antiword 的中文 mapping 文件
1. 下载 antiword 的源码：http://www.winfield.demon.nl/（或者在 GitHub 上找 mirror）。
2. 在源码包里的 Resources/Mappings 文件夹下，有 gb2312.txt / gbk.txt / big5.txt 等映射表。
3. 把需要的 mapping 文件拷贝到 macOS 的：

/usr/local/share/antiword/Mappings/

或者

/opt/homebrew/share/antiword/Mappings/

（取决于你 brew 的安装位置）。

4.	再执行：

antiword -m gb2312.txt 1.doc

就能正确显示中文。

⸻

方法 2：不用 antiword，改用 catdoc / wv / unoconv

• brew install catdoc

然后：

catdoc -w 1.doc

支持中文比 antiword 更好一些。

•	或者用 LibreOffice 的命令行工具：

libreoffice --headless --convert-to txt:Text 1.doc

⸻

方法 3：Python 读取（更推荐，跨平台可控）

import docx2txttext = docx2txt.process("1.doc")  # 如果是 docx
print(text)

对于 .doc（老格式），可以用：

import textract
text = textract.process("1.doc")
print(text.decode("utf-8"))

⸻

✅ 总结：
• Ubuntu 能正常显示是因为自带了中文 mapping。
• macOS 上要么补齐 mapping 文件，要么换工具（catdoc / libreoffice / textract）。
• 如果你要做跨平台处理，建议用 Python 的 textract 或者 unoconv，这样避免依赖 antiword 的系统差异。