从Word中提取方程和图像

Question

是否有编程方法从MS Word文档中提取方程（以及可能的图像）？我已经用谷歌搜索了所有内容，但还没有发现任何可以让我陷入困境并从中工作的东西。如果可能的话，我希望能够用VB.NET或C＃来做到这一点，但我可以选择足够的任何语言来破解DLL。谢谢！

编辑：现在我正在寻找从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

我不知道是否有任何帮助，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，它代表嵌入的图像和可能类似的对象，如方程式。

一些VBA代码将第一个项目复制到剪贴板上，这可能有助于您提取它们：

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

它也可以在.NET中访问，MSDN link。

Answer 2

你的文件是什么Word格式？如果它们位于Open XML（文件扩展名.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文件只是一个使用特殊结构的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，您可以使用任何具有zip功能的库来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，则事情会复杂一些。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获取免费开放的b2xtranslator，它为您提供C＃dlls进行文件转换。
• 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 3

试着看看Word-to-latex转换器。它需要.Net框架，虽然源尚未打开，但作者确实会对此提出疑问。