我正在构建一个需要以编程方式从DOCX，XLSX和PPTX文件中提取所有嵌入文件，图像和文本的应用程序。当我查看DOCX文件时，我发现它们只是zip包。在包的根目录中总是有一个名为[Content_Types] .xml的文件。在此文件中，我可以找到包含所有文本的Document.xml文件的位置。这是必要的，因为根据我的理解，文件并不总是保证在同一个地方。这很容易，但我找不到任何文档来指定所有图像和嵌入文件（word或Ole Containers）的存储方式。
我认为所有嵌入文件都会添加到Embeddings目录中，并且所有图像都会添加到Media目录中。但是，我无法找到任何能够肯定地告诉我的东西。此外，存档中的所有xml文件都不会显示存储的图像和文件的任何位置信息，因此我认为它们在嵌入和媒体目录中始终 。
就像我提到的，我需要从DOCX，XLSX和PPTX文件中提取所有嵌入的文件，图像和文本。我需要在我不安装Office的服务器上执行此操作。如果有人已经这样做并且可以指出我正确的方向，我将不胜感激。
谢谢，
答案 0 :(得分：0)
Microsoft拥有一个用于处理XML Office文档的SDK，称为“Open XML SDK”，服务器上也支持该SDK。
我没有尝试过自己，但它可能包含用于提取嵌入对象等元素的API，而无需自行处理zip文件或ISO文档。这也会更安全，因为文件结构可能会随着时间而改变。
末尔