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。
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。
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:
"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。
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。