встала задача достать текст из документов, не имея ворда. Обнаружил что текст находится в простом Юникоде, начинается по смещению 0хА00 и идет блоками. Проблема в том что блоки разной длины, в основном кратные 2кБ и прерываются посторонней кашей. Можно просто выдирать символы из диапазона А-я +ASCII, но в конце идет служебная инфа, названия шрифтов и т.п., которые проходят этот фильтр и проскакивают...
Вот найти бы волшебное место в файле где указаны все смещения и длины блоков :)
Ну а задача максимум - еще и картинки повытаскивать

нее, надо чтоб можно было например из под линуха вытащить текст или изпод смартфона... :)
вот нашел реализацию, исходники бы вытянуть...