asp.net - 如何使用 Open XML 和 C# 从 docx 文件中的图像中获取替代文本

Question

我正在创建一个 web 表单，它将对 word 文档进行 508 合规性检查。我正在浏览 MSDN 和其他网站，以从用户选择的文件中获取我需要的信息。我找不到的一件事是如何查找图像，并检查它们是否有替代文本。任何帮助将不胜感激！

Answer 1

插入 2007+ Word 文档的图像是Drawing对象。因此，您可以遍历 XML 的w:drawing成员。

http://msdn.microsoft.com/en-us/library/documentformat.openxml.wordprocessing.drawing.aspx

该w:drawing成员将有一个称为孩子的孩子，该孩子w:inline是Inline班级的一部分。

http://msdn.microsoft.com/en-us/library/documentformat.openxml.drawing.wordprocessing.inline.aspx

该w:inline成员将有一个名为 的成员wd:docPr。

http://msdn.microsoft.com/en-us/library/documentformat.openxml.drawing.wordprocessing.docproperties.aspx

该wd:docPr成员可能有一个名为的字段title，其中包含替代文本标题和一个字段，称为字段descr，其中包含所有替代文本。

示例 XML：

<w:drawing xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
    <wp:inline distT="0" distB="0" distL="0" distR="0" wp14:anchorId="357A850A" wp14:editId="384E9053" xmlns:wp14="http://schemas.microsoft.com/office/word/2010/wordprocessingDrawing" xmlns:wp="http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing">
        <wp:extent cx="5943600" cy="4457700" />
        <wp:effectExtent l="0" t="0" r="0" b="0" />
        <wp:docPr id="1" name="Picture 1" descr="ALL TEXT HERE" title="ALT TEXT TITLE HERE"/>
        ...

我强烈建议您使用 OpenXML SDK 附带的 OpenXML Productivity Tool。

Answer 2

您可以使用 unzip 和 lxprintf 的副本（LTXML2 工具包的一部分）更轻松地执行相同的操作，方法是在循环中解压缩幻灯片并在每个幻灯片上运行 lxprintf 以定位 wp:docPr 元素并输出 @ 的值描述和@title，例如

for f in `unzip -l demo.pptx | grep ppt/slides/slide.*\.xml | awk '{print $NF}'`; do 
  unzip -p demo.pptx $f |\
    lxprintf -e 'w:drawing/wp:inline/wp:docPr' "%s, %s\n" @descr @title -
done