如何在 Linux (Mac) 中从 WORD 文档中提取嵌入的 PDF答案

【问题标题】：How to extract embedded PDF from WORD document in Linux (Mac)如何在 Linux (Mac) 中从 WORD 文档中提取嵌入的 PDF
【发布时间】：2020-10-01 14:51:17
【问题描述】：

我在 Mac 也遇到过这样的问题，只是想在 bash 脚本文件中分享我的解决方案，无需额外的应用程序！

【问题讨论】：

标签： pdf extract docx

【解决方案1】：

此脚本将提取嵌入在 word 文档中的所有 pdf 文件。

只需将脚本文件放在 word.docx 文件所在的位置并运行它（首先授予它权限），例如：

./extract_docx_objects.sh word.docx

提取的文件将在子文件夹docx_zip/word/embeddings/中。

代码如下：

docx=$1
echo $docx
rm -rf docx_zip
mkdir -p docx_zip
cp $docx docx_zip/temp.zip
cd docx_zip/
unzip temp.zip
cd word/embeddings/
FILES=*.bin
echo `ls -la $FILES`
for f in $FILES
do
    echo "processing $f..."
    fname=${f%.*}
    dd if=$f of=$fname.pdf bs=1
    start=`xxd -b $f|grep %PDF -n|awk -F: '{print $1}'`
    start1=$(((start-1)*6))
    end=`xxd -b $f|grep %%EOF -n|awk -F: '{print $1}'`
    end1=$(((end-1)*6+5*2))
    dd skip=$start1 count=$end1 if=$f of=$fname.pdf bs=1
done

您可以在删除文件夹之前添加一个检查文件夹是否已经存在（因为我没有在这里）。

享受吧！

[信息]

如果您需要 Windows 中的 VBA 宏来执行相同操作，这是我的解决方案：

VBA中有一个部分解决方案，需要准备才能运行：

将您的 Word.docx 文件复制/重命名为 Word.zip
使用您的 zip 软件，解压缩 Word.zip（相同文件夹或其他文件夹）
从任何 Word 文档运行 VBA 宏 - 它会询问您解压缩的文件夹位置在哪里。
完成后，ODF 文件将位于 Word/word/embeddings 子文件夹中。

VBA 宏：

Sub export_PDFs()
    Dim Contents As String
    Dim PDF As String
    Dim hFile As Integer
    Dim i As Long, j As Long
    Dim ExtractedZippedDocxFolder, FileNameBin, FileNamePDF, BinFolderPath As String
    Dim fileIndex As Integer
   
    Dim dlgOpen As FileDialog
    Set dlgOpen = Application.FileDialog( _
    FileDialogType:=msoFileDialogFolderPicker)
    With dlgOpen
        .AllowMultiSelect = False
        .Title = "Select the unzipped docx folder to extract PDF file(s) from"
        .InitialFileName = "*.docx"
        .Show
    End With
    ExtractedZippedDocxFolder = dlgOpen.SelectedItems.Item(1)
    BinFolderPath = ExtractedZippedDocxFolder + "\word\embeddings"
    Set objFSO = CreateObject("Scripting.FileSystemObject")
    Set objFolder = objFSO.GetFolder(BinFolderPath)
    fileIndex = 0
   
    For Each objFile In objFolder.Files
        If LCase$(Right$(objFile.Name, 4)) = ".bin" Then
            FileNameIndex = Left$(objFile.Name, Len(objFile.Name) - Len(".bin"))
            FileNameBin = BinFolderPath + "\" + FileNameIndex + ".bin"
            FileNamePDF = BinFolderPath + "\" + FileNameIndex + ".pdf"
       
            hFile = FreeFile
            Open FileNameBin For Binary Access Read As #hFile
            Contents = String(LOF(hFile), vbNullChar)
            Get #hFile, , Contents
            Close #hFile
       
            i = InStrB(1, Contents, "%PDF")
            j = InStrB(i, Contents, "%%EOF")
            If (InStrB(j + 1, Contents, "%%EOF") > 0) Then j = InStrB(j + 1, Contents, "%%EOF")
       
            PDF = MidB(Contents, i, j + 5 - i + 12)
       
            Open FileNamePDF For Binary Access Write As #hFile
            Put #hFile, , PDF
            Close #hFile
            fileIndex = fileIndex + 1
        End If
    Next
    If fileIndex = 0 Then
        MsgBox "Unable to find any bin file in the givven unzipped docx file content"
    Else
        MsgBox Str(fileIndex) + "  files were processed"
    End If

End Sub

【讨论】：