1
我正在構建一個需要以編程方式從DOCX，XLSX和PPTX文件中提取所有嵌入文件，圖像和文本的應用程序。當我查看DOCX文件時，我發現它們只是zip包。在包的根目錄中總是有一個名爲[Content_Types] .xml的文件。在這個文件裏我可以找到包含所有文本的Document.xml文件的位置。這是必要的，因爲，據我所知，該文件並不總是保證在同一個地方。這很簡單，但我找不到任何指定如何存儲所有圖像和嵌入文件（單詞或Ole Containers）的文檔。Microsoft DOCX，XLSX和PPTX存檔
它看起來像所有嵌入文件都被添加到嵌入目錄，所有的圖像被添加到媒體目錄。但是，我無法找到任何能夠告訴我的事情。此外，存檔中的任何xml文件都不會顯示存儲的圖像和文件的任何位置信息，因此我仍然認爲它們在嵌入和媒體目錄中始終是。
就像我剛纔提到的，我需要從DOCX，XLSX和PPTX文件中提取所有嵌入文件，圖像和文本。我需要在沒有安裝Office的服務器上執行此操作。如果任何人已經這樣做，並可以指出我正確的方向，我將不勝感激。
感謝，
你拿起規格在http://standards.iso.org/ittf/PubliclyAvailableStandards/index.html你有興趣的ISO/IEC 29500-1：2011 它描述瞭如何將XML和郵編 – rene 2011-12-24 19:48:55
感謝您的鏈接。我剛開始閱讀文檔 - WOW，幾乎有6000頁純粹的快樂。我希望跳到好的部分:-) – Scott 2011-12-24 20:40:17