[发明专利]一种提取PPT文档中的图片的方法及系统

说明书

本发明实施例包括一种提取PPT文档中的图片的方法，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。还包括一种提取PPT文档中的图片的系统。本发明不依赖Office Word组件，无需安装Office或者提取Office组件文件，纯粹调用的Windows系统API函数，不依赖任何第三方程序文件，因此，所有异常处理不受Office组件设置影响，不会因异常情况弹框而卡住程序，兼容性高。

技术领域

本发明涉及图片提取技术领域，具体地说是一种提取PPT文档中的图片的方法及系统。

背景技术

Microsoft Office PowerPoint，是微软公司的演示文稿软件，功能强大，应用广泛。在当今信息化时代中，随着应用水平的逐步提高，PPT正成为人们工作生活中的重要组成部分，在各行各业中占据着举足轻重的地位。该软件编辑的文档称之为演示文稿，支持对文字、图片、图标、动画、声音、影片的编辑和存储，其格式后缀通常为ppt、pptx。

当一个ppt文件中含有较多图片，并且需要将这些图片提取或者复制出来的时候，常见有以下几种方式：方式一：右键菜单选择复制、粘贴图片；方式二：文档另存为html格式后，找出图片文件；方式三：编写程序调用Microsoft Office二次开发接口解析文档，提取图片。

以上几种方式存在以下缺点：

1)方式一、方式二为纯粹手动操作，无法批量文件处理，且操作较为繁琐，效率低。

2)方式二通过程序虽然能批量处理，但因调用PowerPoint二次开发接口(通过COM方式调用)，因此受限于Office软件环境。必须在计算机操作系统中安装对应版本的PowerPoint软件，或者将相关组件和提取程序打包一起才能正常运行。且容易因软件设置出现兼容性问题，如程序异常弹框、处理线程卡住等情况。

发明内容

本发明实施例中提供了一种提取PPT文档中的图片的方法及系统，用于解决目前提取PPT文档中的图片操作繁琐，受限于Office软件环境，容易出现兼容性的问题。

为了解决上述技术问题，本发明实施例公开了如下技术方案：

本发明第一方面提供了一种提取PPT文档中的图片的方法，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。

结合第一方面，在第一方面第一种可能的实现方式中，所述Pictures流的总长度为PPT文档中所有图片数据的总长度。

结合第一方面，在第一方面第二种可能的实现方式中，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。

结合第一方面，在第一方面第三种可能的实现方式中，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。

结合第一方面，在第一方面第四种可能的实现方式中，定位当前图片的方法包括采用数据偏移算法，具体包括：