理论上，word里展示的所有内容，程序员都能拿到。拿到数据之后，家境差点的公司，通过代码逻辑去找试卷名、选项这类属性。家境好点儿的企业，通过人工智能的NLP文本分类（我就是这么*），可以更好地实现智能分类。
反正，两种途径都能实现。
而此时，录入员只负责编辑word就可以了。这个过程就叫做“word导入”。
能导入的前提，是可以解析出来word的内容。能解析word的前提，就是docx格式。
二、docx格式：为什么出现？不知道您各位有没有印象，从某个时期开始，微软办公文件名的小尾巴多了一个“x”。原来word、PowerPoint还有excel，后缀名分别是doc、ppt、xls。后来，就突然涌现出了docx、pptx、xlsx。
到目前为止，这些x们占据了主流市场。
为什么？为什么要这样？我仿佛听到Office家族在抱着扫帚悲伤地唱：你伤害了Word，还Excel而过，你Access的贪婪，我PowerPoint……
原来的doc格式是加密的，只有微软自己家的软件才能打开。
后来微软觉得，这样并没有让自己很神圣，反而限制了自己的发展。
比如，金山WPS也是搞办公软件的，它的发展很快，积累了很多用户。不少人开始用wps了，word的用户面临被瓜分。于是，微软就基于Office Open XML标准，把文档家族做了兼容。
因为新标准是采用的xml格式记录信息的，所以就在.doc后面加了个x。新标准之后，即便是微软创建的文档，WPS也能打开。这样，用户只关心文档就行，不用在意用哪个软件，这就实现了用户共享。
反正，是这个意思，我猜的，别全信……
三、文件结构：怎么来解析？那么，docx格式究竟是什么样子的呢？
它看起来是个文件，其实，它是个压缩包。
下面就是一个docx文档，是我亲手编辑的。
我再亲自做一下解压缩：将.docx改为.zip，右键选择解压文件，它就露出原形了。
