如何從USB設備恢復的數據中提取Word文檔？

Question

我已經能夠將原始數據從其他無法訪問的USB驅動器複製到大約250MB的單片文件。在那個字節blob中的某個地方大約有40個Word文檔。

1. 在哪裏可以找到有關Word文檔的內部結構的文件，這樣我可以解析字節流，認識到其中的Word文檔的開始和結束，並提取一個副本？

2. 是否有任何特定於此任務的編程語言的庫？

3. 任何人都可以提出一個已經存在的軟件解決方案來解決這個問題嗎？

Answer 1

兩種方法：

可以在linux中將文件掛載爲卷。如果你的二進制blob沒有被破壞，你可能會分解文件系統來找出你的文件所在的位置。是（是）它是FAT分區還是NTFS？

如果不行，我會尋找this string of bytes：

D0 CF 11 E0 A1 B1 1A E1 

這些「魔法字節」辦公文檔文件的簽名。它們可能會隨機出現在其他數據中，但這只是一個開始。如果文件碎片化，您將遇到MAJOR問題。

此外，嘗試在Word中按原樣重新創建文檔片斷，將其保存到文件並提取塊以在blob中進行搜索（使用grep二進制文件或其他）。如果你有來自文件所有部分的信息，你應該能夠解碼它們所在的BLOB中的WHERE。將它重新放回到一個可用的DOC二進制文件看起來很遙遠，但恢復文本的其餘部分不應該是不可能的。

Answer 2

Apache POI項目有一個庫，用於讀寫各種MS Office文檔。如果這些文件位於新的XML基礎格式OOXML中，那麼您將在XML壓縮時查找壓縮文件的開頭。