[发明专利]一种提取PPT文档中的图片的方法及系统

权利要求书

1.一种提取PPT文档中的图片的方法，其特征是，包括以下步骤：

打开Pictures数据流，获取数据流的操作句柄；

读取数据流信息，获取Pictures流的总长度；

循环读取图片数据；

定位当前图片，将当前图片数据写入图片文件，提取图片。

2.根据权利要求1所述的方法，其特征是，所述Pictures流的总长度为PPT文档中所有图片数据的总长度。

3.根据权利要求1所述的方法，其特征是，所述循环读取图片数据包括：首先读取一个固定长度的数据结构OfficeArtRecordHeader，直到读取到到达流后，再读取另一个固定长度的数据结构OfficeArtRecordHeader依次循环读取。

4.根据权利要求3所述的方法，其特征是，所述数据结构OfficeArtRecordHeader固定为8个字节；前两个字节代表图片的版本信息，其中高12位代表图片数据的偏移方式，第3、4两个字节代表图片的类型，最后4个字节代表该图片数据的所有长度。

5.根据权利要求4所述的方法，其特征是，定位当前图片的方法包括采用数据偏移算法，具体包括：

判断图片数据中是否存在OfficeArtFBSE，如果存在，则从当前OfficeArtRecordHeader结构数据最后一个字节，往数据未读取的方向偏移34个字节；

判断图片的名称长度是否大于0，如果是，则需要跳过名称长度，读取下一个OfficeArtRecordHeader；如果名称长度为0，直接读取下一个OfficeArtRecordHeader；

如果不存在OfficeArtFBSE，则执行以下步骤：

当图片数据的属性值为0x46a或0x6e2或0x6e0时，从数据结构OfficeArtRecordHeader的最后一个字节往数据未读取的方向偏移17个字节；

当图片数据的属性值为0x46b或0x6e3或0x6e1时，从数据结构OfficeArtRecordHeader的最后一个字节往数据未读取的方向偏移33个字节。

6.根据权利要求5所述的方法，其特征是，判断图片数据中是否存在OfficeArtFBSE的方法包括，判断图片的类型值是否为0xF007，如果是，则表示存在OfficeArtFBSE，否则，不存在；

所述图片的名称长度用占一个字节大小的无符号整数表示，该字节位于数据未读取的方向的第34个字节。

7.根据权利要求5所述的方法，其特征是，写入文件具体包括以下方法：

读取当前图片的所有数据，将数据写入到后缀为.jpg或.png的图片文件中。

8.根据权利要求1所述的方法，其特征是，方法还包括判断图片数据是否读取完毕，如果没有读取完毕，则继续循环读取。

9.一种提取PPT文档中的图片的系统，利用权利要求1-8任意一项所述的方法，其特征是，包括数据读取模块，用于循环读取数据流信息；和，

图片数据定位模块，根据偏移算法，定位当前图片数据；和，

数据提取模块，根据定位到的图片数据进行当前图片数据的提取。

10.根据权利要求9所述的系统，其特征是，还包括判断模块，用于判断图片数据读取是否完毕。