Word文件批量提取「对象」内的附件

问题求助
,
1

有个word文件内有大量的附件多种格式PNG、PDF、word、等20多个，有什么办法批量导出吗？
主要是word内的指定文件PDF、AI等格式的文档本机电脑无法打开。导致无法导出，有什么办法吗。

2

用 7-Zip 或 WinRAR 等软件将 docx 文档作为压缩文档打开，然后解压，可以从解压后得到的文件里面找一找。

至于图片，可以先参考一下这篇文章：

https://www.appinn.com/word-export-images/

1 个赞
3


测试了一个只能分解为20+个bin文档，完全无法识别之前的名字和格式。里面有word和表格文件，只有xLS格式的可以被识别。

4

这个好像应该叫 “对象”

5

是的 是叫做对象
但是里面插入了大量的文件，有PDF、Ai、word、xlsx等格式
现在就是无法直接提取 ，我看看标题能不能改

6

解压出来之后，看看能不能打开其中的一两个，如果可以，说明只是扩展名损坏，只要根据文件头修正扩展名即可

7

这些 bin 文档似乎也是可以解压缩的，您可以试试用 7-Zip 打开看一下。

直接解压得到的，不是原文件，应该是数据存储格式也发生变化了。

我测试了一下，

  • 如果插入的对象是 .zip 压缩包，解压这个 .bin 文档，会得到 4 个文件，再解压其中的 [1]Ole10Native 就可以看到原文件中的内容。
  • 如果插入的对象是 .pdf 文档，解压这个 .bin 文档，会得到 5 个文件，将其中的 CONTENTS 重命名，加上扩展名 .pdf 即可得到 PDF 文档。

至于其他格式，时间关系我没有测试。不过可以提供给您一个思路：解压 .bin 文档得到的文件中，体积最符合你的预期 的最有可能包含您想要的内容。

8

试了试智谱, 给出的VBS脚本, 说不定可以用

Set objWord = CreateObject("Word.Application")
objWord.Visible = False

' 打开Word文档
Set objDoc = objWord.Documents.Open("C:\路径\你的文档.docx")

' 设置附件保存的目录
strSavePath = "C:\路径\附件\"

' 遍历文档中的所有OLE对象
For Each objShape In objDoc.InlineShapes
    If objShape.OLEFormat.ProgID = "Package" Then
        ' 附件对象的ProgID通常是"Package"，可以根据实际情况调整
        strFileName = objShape.AlternativeText
        If strFileName <> "" Then
            ' 保存附件
            objShape.OLEFormat.DoVerb 2 ' 2 表示执行"打开"操作
            Set objLink = objShape.OLEFormat.Link
            objLink.SaveAsFile strSavePath & strFileName
        End If
    End If
Next

' 关闭Word文档
objDoc.Close False

' 退出Word应用程序
objWord.Quit

' 清理对象
Set objShape = Nothing
Set objDoc = Nothing
Set objWord = Nothing
9

你这样的文档，有没有例子来看下啊

10

好像不管用，我把上述代码保存为 .vbs 文档，并修改了第 5 行的文档路径和第 8 行的保存目录，然后双击运行脚本，无事发生。

11

您的思路有比较大的错误哦…
其实我们有一个最简单的办法：
分别修改扩展名为所有可能的项目，如果改成哪个能打开，那么就是对应的文件格式

又因为程序是通过文件头来确定文件格式是否合法，所以我们只要找个文件头判定程序来判定bin文件文件头对应的扩展名，再据其重命名即可

另外，这也是对于数据完整但文件名未知的场景下（如数据恢复等），判断文件扩展名的最常用手段之一

12

有致命错误：这里混入了VBA语言的函数，它不可能被VBS脚本解释器正常运行
不知道它作为VBA脚本运行是否合法…
注，关于VBA脚本

13

是个办法，就是可能比较麻烦。如果能用 file 之类的工具鉴定一下是不是会更好？

14

这个方法是根据您引用的方法推理出来的，所以其实我给出的结论是我上面引用的这一段…原谅我的表述混乱

15

原来如此，是我看漏了，抱歉。

不过根据我的观察，那些 .bin 文件其实都是压缩包，从 .bin 文件里解压出来的东西才是我们可能需要的文件。

从 .bin 文件中解压出来的内容都是一些没有扩展名的文件。

16

嗯, 试了一下在Word里面, 修改一下后可以运行, 但是无法获取到OLE对象(文件)的名字, 所以暂时也是不可用的, 但是如果你用ZIP解开获得的BIN文件再解压后的文件中的OLE10Native文件其实可以直接获取到文件名和文件本体, 只是需要二进制搜索三次文件名, 之后很容易发现文件长度以及文件开始, 之后处理分割一下后再保存应该就可以了,

17

提取图片就不用说了， 有个特别方便的工具， 叫做

Office.Files.Images

是 Q-dir 作者写的另一款软件。

如果是文档还包括 pdf，音频等 ole 对象文件的话， docx 会存放在

测试.docx\word\embeddings\oleObject1.bin 目录结构中

如果有多个, 就依序为 oleObject2.bin、oleObject3.bin ……

这种格式文件并不是简单的改名， 而是包装成 OLE对象。

是用 stream 流格式分段储存的的文件格式。无法直接用关联软件打开。

目前我找到2个方法：

方法1： 有个python包，olefile，用于解析、读取和写入 Microsoft OLE2 文件的 Python 包（结构化存储或复合文档，Microsoft Office）

olefile 主要面向开发人员。如果您正在寻找分析 OLE 文件或提取数据的工具（尤其是出于安全目的，例如恶意软件分析和取证），那么还请查看 python-oletools，它基于 olefile 构建并提供更高级别的接口。

方法2：

写一个vba（宏）， 批量激活文档中插入的OLE对象。

代码如下:

Sub ActivateOLEObjects()
    Dim shap As InlineShape
    Dim i As Integer

    ' 遍历文档中的所有形状

    
    For Each shap In ActiveDocument.InlineShapes
         ' 尝试激活OLE对象
         On Error Resume Next
         shap.OLEFormat.Activate

    Next shap
    
    
    MsgBox "所有可激活的OLE对象已尝试激活.", vbInformation
    
    ' 获取系统临时文件夹路径
    tempFolderPath = Environ$("TEMP")

    ' 打开系统临时文件夹
    Shell "explorer.exe """ & tempFolderPath & """", vbNormalFocus
    
End Sub

这些对象激活后，会释放到系统临时文件夹 %tmp%。

类似如下命名

C:\Users\admin\AppData\Local\Temp\{A1EF7F57-3964-488C-8E89-307544D912CF}

注意：只有激活对象后，文件才会释放。你全部复制即可。

18

做了一个测试文件 可以试试
https://wormhole.app/ezMzb#0CbSvVW0fM-mRmtKWQS-dw

19

主要是实际的时候有的文档预计会有20-30个对象附件。
并且文档的格式都不相同有点难弄 一个一个对名字挺麻烦的

20

我不是写了么, 写个代码调用7z解压docx之后, 枚举 embeddings目录下的*.bin, 然后继续用7z解开这些bin文件, 再枚举所有的OLE10Native文件, 二进制搜索迪个字节开始的文件名, 再找两次后就可以得到嵌入对象的文件长度以及二进制数据, 获取后保存即可, 完全不需要人工核对啊