.net - 从 Word 中提取方程式和图像

Question

是否有从 MS Word 文档中提取方程式（可能还有图像）的编程方式？我已经用谷歌搜索了所有内容，但还没有找到任何我可以投入并从中工作的东西。如果可能的话，我希望能够使用 VB.NET 或 C# 来做到这一点，但我可以选择足够多的任何语言来破解 DLL。谢谢！

编辑：现在我正在考虑从 Word 2003 中提取方程式，但如果需要将其转换为 2007/Open XML，那很好。

Answer 1

您的文档是什么 Word 格式？如果它们在 Open XML（文件扩展名为 .docx）中，您可以使用 Microsoft 提供的Open XML SDK来提取图像和嵌入内容。

Open XML 文件只不过是使用特殊结构的 zip 存档。您将在 SDK 中找到如何访问该 zip 存档部分的示例。实际上，您可以使用任何支持 zip 的库从文档包中提取内容。

如果文档仍然使用较旧的二进制格式，事情会更复杂一些。我认为最简单的方法是将文档转换为 Open XML 格式。做这件事有很多种方法：

• 从 SourceForge获取免费且开放的b2xtranslator，它为您提供用于文件转换的 C# dll。

• 安装 Microsoft 的Compatibility Pack并使用以下命令行进行转换：

  "C:\Program Files\Microsoft Office\Office12\wordconv.exe" -oice -nme input\_file output_file

其中 input_file 和 output_file 必须是完整路径名。

Answer 2

我不知道这是否会有所帮助，但 Word 2000/2003 中的对象模型有一个InlineShapes集合作为Document对象的一部分，它表示嵌入的图像和可能的类似对象，如方程式。

一些用于将第一项复制到剪贴板的 VBA 代码，这可能会帮助您提取它们：

ThisDocument.InlineShapes.Items(1).Select
Selection.Copy

它也可以在 .NET 中访问，MSDN 链接。

Answer 3

尝试查看Word-to-latex转换器。它需要 .Net 框架，尽管源代码尚未打开，但作者确实邀请了有关此的问题。