(100分求救高手对抗微软)把word中存储的图像读出来(注: 不要用组件)

[likowang]

我要把word中存储的图像读出来,目前还不知道该怎么做,应为我不知道word是怎么存储
图片的,它的位置在什么地方?所以求救高手?


注:生活在微软的年代很无奈!!!!!!!!!!!但我用的全都是微软的东西!!!!!!!!

[pyrophile]

1.1Word文件结构
一个Word文件至少包括主流（Main stream）和表流(Table stream)两个流。其实这两个流就涵盖了Word中的大部分数据。主流中包括了所有文字，标格以及他们的属性。表流中含有样式，字体信息等。我们的工作主要关心Word文件中的文本内容，而文本的字体信息，样式等相对并不重要。因此，将主要关注主流(Main stream)所包含的主要内容和存储格式。
以下是一些关于文件格式的一些术语：
页（Page）:Word文件主流中开始于512字节边界的长度为512字节的文本段（字节0-511为0页，字节512-1023为1页，等）。在Word文件的数据结构中用两子介无符号整形PN(Page Number)来表示页码。
字符位置CP (Character Position):四字节整数表示文件中字符在文本流中的逻辑坐标。
文件字符位置FC( File Character position):四字节整数表示从文件开始处计算的字符位置。CP可以转化为FC，字符的FC=文本流开始处的FC+字符的CP。
文件头FIB (File Information Block):位于Word文件的开始，记录了文本流的开始位置(FIB.fcMin)，文本流的长度和文件状态等信息。
段（Paragraph）:文本流中由段标记，标格标记，行标记分隔的连续的字符序列。
段属性PAP (PAragraph Properties)：此数据结构描述了某一特定段的属性。
段属性偏移PAPX (PAragraph Property EXception)：此数据结构描述了某一特定段的属性与标准段属性相比的偏移。通过段属性偏移和标准段属性可以计算具体段的段属性。（本课题中主要关心段是否是表格和标题等属性）。
格式化磁盘存储页FKP (Formatted disK Page):512字节的数据结构（占据一页），存储了Word文件中某部分段或字符的属性（本课题只关心段属性，以下只就段格式化磁盘存储页PFKP讨论），包含四部分：
1）此页所描述的段的数量。
2）存储FC的数组，按FC的升序排列，相邻的FC表示段的开始和结尾。
在PFKP中， 数据结构BX数组，BX[]中包含段的一般属性和对应段的PAPX位置---相应于该页起始位置的字偏移量(Word Offset)。段属性偏移量。

Word文件整体结构复杂，有大量修饰性信息，下面主要列出了与读取文件中文本内容有关的数据存储格式(注:Word文件存储的前512字节不计算在内)。
主流；
开始FC=0,PN=0
内容起始FC长度
文件头FIB0<1024
文本（包括表格文字）FIB.fcMinFIB.ccpText
其余文本内容FIB.fcMin+FIB.ccpText结束于FIB.fcMac
格式化磁盘存储页FIB.pnPapFirst随文件长度变化
表4-1：Word文件格式各个段落

文件头FIB:
内容起始FC长度
文本流开始Fcmin244
文本流结束Fcmac284
主文本长度CcpText764
脚注长度CcpFtn804
子文档头长度CcpHdd844
注释文本长度 CcpAtn924
文本框文本长度CcpTxbx1004
第一个PAPX FKP的页码数1244
所有PAPX FKP的个数1284

表4-2：Word文件头部格式
文本流：
开始于FIB.fcMin，一般开始于FIB结束后的128的整数倍FC处。
1) Word文件中的文本流采用ASCII和Unicode编码混合存储，其中纯英文文档采用ASCII编码存储，纯中文文档采用Unicode编码混合存储。而中英文混合文档中按照如下规则编码存储：
以页（512字节）为单位，即每一页的编码方式相同。
所有中文部分采用Unicode编码。
英文优先采用ASCII编码，当与中文在同一页时采用Unicode编码。
从页起始位置开始连续大于256字节英文序列采用ASCII编码，不足一页部分用0填补。
混合编码虽然给文本读取带来很大的麻烦，但既发挥了Unicode编码的好处，又节省了存储空间。
2) 以下是住文本流中的一些特殊符号：
符号ASCII编码Unicode编码
段结尾（Paragraph End）1313 00
行分隔(Hard Line Break)1111 00
分隔连接符（Break Hyphen）4545 00
空白符（Space）3232 00
制表符（Tab）0909 00
页分隔（Page Break）1212 00
单元格标记（Cell Mark）0707 00
表格行结束标记(Table End Mark)0707 00
表4-3：Word文件格式中的特殊符号
3)文本流中存储了Word文件中所有的文本内容,包括主文本内容，脚注，尾注，文本框内文本等。下表是计算相应内容存储位置的算法：
内容计算方法
主文本内容Fib.fcMin
脚注（Footnote）Fib.fcMin+Fib.ccpText(注)
子文档头部
（Header of Subdocument）Fib.fcMin+Fib.ccpText+Fib.ccpFtn
注释子文档
（Annotation Subdocument）Fib.fcMin+Fib.ccpText+Fib.ccpFtn+Fib.ccpHdr
尾注（Endnote）Fib.fcMin+Fib.ccpText
+Fib.ccpFtn+Fib.ccpHdr+Fib.ccpAtn
文本框文本(Textbox)Fib.fcMin+Fib.ccpText
+Fib.ccpFtn+Fib.ccpHdr+Fib.ccpAtn+Fib.ccpEdn
文本框头部（header of Textbox）Fib.fcMin+Fib.ccpText+Fib.ccpFtn+
Fib.ccpHdr+Fib.ccpAtn+Fib.ccpEdn+Fib.ccpTxbx
表4-4：Word文件格式中各个段落的起始位置
注：Fib.ccpText表示字的个数，实际应用时应该计算出字节数。
段格式化磁盘存储页（PAPX FKP）：
开始位置：Fib.pnPapFirst,与其他FKP交叉轮流存储。
PAPX FKP的存储格式
位置内容说明
0FC数组段的起始和终结位置，共有crun+1个
4*(fkp.crun+1)BX数组BX[0]为对应段的PAPX存储位置（偏移）
511-sizeof(grppapx)PAPX组段的属性偏移
511段个数（crun）此FKP中所描述的段的个数
表4-5：Word文件段存储页格式

word当中存储文件的格式,按这个可以读取word文件文本,不知道这个对你有帮助么?

[teli_eurydice]

帮你up

[qxiaogang]

UP

[qxiaogang]

http://www.wotsit.org/
可以找到好多格式文档

[jixingzhong]

生活在微软的年代很无奈!!!!!!!!!!!但我用的全都是微软的东西!!!!!!!!
------------------------------------------------------------------
顶之 ！！

这个问题很有深度啊！ 楼主你怎么有兴趣搞这个问题？ 项目 ？

还是先看看基本的文件结构把，我对这个也没有什么研究 ...

[snowbirdfly]

没作过~~
对了~
是不是word里面的任何图片格式都要读取啊??

[我啃]

又是一个狂人，我一时也想不出什么好办法，只有解析WORD的文件结构，哎，如果没有出神入画的内力建议放弃，等你用的都是linux,gcc,firefox，了解了firefox的制作方法后再尝试吧~

[我啃]

……原来是项目，哪个叫你做的，一定是个狂…………

[likowang]

是呀,word里的任何图片格式都要读出来.
不是狂,是个项目,不做不行,大家帮忙啦.

[jsjjms]

无耐,帮你up