如何使用 Open XML SDK 删除 Word 和 PowerPoint 中的所有嵌入对象？

Question

我正在尝试使用 openxml SDK 从 Word 和 PowerPoint 文件中删除所有嵌入对象。我是 Open XML 新手，不确定我这样做是否正确。下面是我的代码。我的目的是删除嵌入的任何对象并删除嵌入的图像。执行时这两个代码都会出错。

我尝试删除文档中所有嵌入项目的代码。

using (var wdDoc = WordprocessingDocument.Open(wordFilePath, true))
{
    var docPart = wdDoc.MainDocumentPart;
    var document = docPart.Document;
    var embeddedObjectsCount = docPart.EmbeddedObjectParts.Count();
    while (embeddedObjectsCount > 0)
    {
        docPart.DeletePart(docPart.EmbeddedObjectParts.FirstOrDefault());
        embeddedObjectsCount = docPart.EmbeddedObjectParts.Count();
    }
}

我尝试删除文档中所有图像的代码。 （如果我没有在文档中嵌入任何对象，这会部分起作用。）

using (var wdDoc = WordprocessingDocument.Open(wordFilePath, true))
{
    var docPart = wdDoc.MainDocumentPart;
    var document = docPart.Document;
    var imageObjectsCount = docPart.ImageParts.Count();
    while (imageObjectsCount > 0)
    {
        docPart.DeletePart(docPart.ImageParts.FirstOrDefault());
        imageObjectsCount = docPart.ImageParts.Count();
    }
}

当我运行上面的代码时，我使用的文件被损坏。我想知道如何从 Word 中删除所有嵌入对象而不损坏文件。

我还没有在PowerPoint上做过任何事情，但我希望它能类似于Word文档。

Answer 1

我设法找到解决问题的方法。我必须深入研究 Open XML SDK 的概念才能理解这一点。但是，我不太确定这是否是最佳解决方案。

目标

1. 删除 PowerPoint 和 Word 中的所有嵌入对象。

2. 删除 PowerPoint 和 Word 中的所有图像。

对于文字

//using Ovml = DocumentFormat.OpenXml.Vml.Office;
//Determine whether there are any Embedded Objects in the document
using (var wdDoc = WordprocessingDocument.Open(wordFilePath, true))
{
    var docPart = wdDoc.MainDocumentPart;
    var docHasEmbeddedOleObjects = document.Body.Descendants<Ovml.OleObject>().Any();
    if (docHasEmbeddedOleObjects)
    {
        foreach (var oleObj in document.Body.Descendants<Ovml.OleObject>())
        {
            oleObj.Remove(); //Remove each ole object in the document. This will remove the object from view in word.
        }
        //Delete the embedded objects. This will remove the actual attached files from the document.
        docPart.DeleteParts(docPart.EmbeddedObjectParts);
        //Delete all picture in the document
        docPart.DeleteParts(docPart.ImageParts);
    }
}

对于PowerPoint

using (var ppt = PresentationDocument.Open(powerPointFilePath, true))
{
    foreach (var slide in slides)
    {
        //Remove Ole Objects
        var oleObjectCount = slide.Slide.Descendants<OleObject>().Count();
        while (oleObjectCount > 0)
        {
            var oleObj = slide.Slide.Descendants<OleObject>().FirstOrDefault();
            var oleObjGraphicFrame = oleObj?.Ancestors<GraphicFrame>().FirstOrDefault();
            if (oleObjGraphicFrame != null)
            {
                oleObjGraphicFrame.RemoveAllChildren();
                oleObjGraphicFrame.Remove();
            }
            oleObjectCount = slide.Slide.Descendants<OleObject>().Count();
        }
        //Delete embedded objects
        slide.DeleteParts(slide.EmbeddedObjectParts);
        //Delete all pictures
        slide.DeleteParts(slide.ImageParts);
    }
}

Answer 2

根据我的经验，“破坏”OpenXML 文档的最快方法是使用错误的关系指针。处理这些神秘错误消息背后的内容的最快方法是直接访问原始 OpenXML 标记。

了解正在发生的事情：

1. 在运行代码之前复制文件，称之为

   A.docx

2. 运行代码并复制结果，称之为

   B.docx

3. 将

   A.docx

   和

   B.docx

   重命名为

   A.zip

   和

   B.zip

调查源文件

首先，在

A.zip

内部，打开名为

[Content_Types].xml

的文件。记下您要移除的部件。将此文件视为对字处理器的声明，说明它将在子目录中遇到的文件类型。

文档内容（

word/document.xml

）或脚注部分（

word/footnotes.xml

）等部分都有自己的关系部分，名为

[part path here].rels

。

例如，

document.xml.rels

将保存

document.xml

中的图表、超链接和图像等关系信息；同样，

footnotes.xml.rels

保存有关

footnotes.xml

中的超链接等信息。

调查结果文件

现在打开

B.zip

并比较

[Content_Types].xml

文件。您看到那里有您想要删除的部分吗？是否有遗漏的部分是您不打算删除的？

在

word

的

B.zip

子目录中，您是否看到 [Content_Types].xml 文件中

未列出的任何嵌入文件？

如果您查看原始标记，并且没有发现错误，请随时评论有关您的文件结构的更多详细信息，我们可以从那里进行故障排除。

Answer 3

我已尝试使用上述代码从工作文档中删除嵌入的 ole 对象，但生成的 Word 文档已损坏且无法打开？最近有没有人尝试过 OpenXML Sdk 版本：2.20.0