我正在尝试使用 JavaScript 中的 ActiveXObject（仅限 IE）从 Word 文档中提取图像。
我无法找到 Word 对象的任何 API 参考，只能从 Internet 上获得一些提示：
var filename = 'path/to/word/doc.docx'
var word = new ActiveXObject('Word.Application')
var doc = w.Documents.Open(filename)
// Displays the text
var docText = doc.Content
如何使用doc.Content 之类的方式访问 Word 文档中的图像？
此外，如果有人有 API 的明确来源（最好来自 Microsoft），那将非常有帮助。
【问题讨论】：
因此，经过几周的研究，我发现使用 Word ActiveXObject 中的SaveAs 函数最容易提取图像。如果文件保存为 HTML 文档，Word 将创建一个包含图像的文件夹。
从那里，您可以使用 XMLHttp 获取 HTML 文件并创建可由浏览器查看的新 IMG 标记（我使用的是 IE (9)，因为 ActiveXObject 仅适用于 Internet Explorer)。
让我们从SaveAs 部分开始：
// Define the path to the file
var filepath = 'path/to/the/word/doc.docx'
// Make a new ActiveXWord application
var word = new ActiveXObject('Word.Application')
// Open the document
var doc = word.Documents.Open(filepath)
// Save the DOCX as an HTML file (the 8 specifies you want to save it as an HTML document)
doc.SaveAs(filepath + '.htm', 8)
现在我们应该在同一个目录中有一个文件夹，其中包含图像文件。
注意：在 Word HTML 中，图像使用 <v:imagedata> 标签，这些标签存储在 <v:shape> 标签中；例如：
<v:shape style="width: 241.5pt; height: 71.25pt;">
<v:imagedata src="path/to/the/word/doc.docx_files/image001.png">
...
</v:imagedata>
</v:shape>
我已经删除了 Word 保存的无关属性和标签。
要使用 JavaScript 访问 HTML，请使用 XMLHttpRequest 对象。
var xmlhttp = new XMLHttpRequest()
var html_text = ""
因为我要访问数百个 Word 文档，所以我发现最好在发送调用之前定义 XMLHttp 的 onreadystatechange 回调。
// Define the onreadystatechange callback function
xmlhttp.onreadystatechange = function() {
// Check to make sure the response has fully loaded
if (xmlhttp.readyState==4 && xmlhttp.status==200) {
// Grab the response text
var html_text=xmlhttp.responseText
// Load the HTML into the innerHTML of a DIV to add the HTML to the DOM
document.getElementById('doc_html').innerHTML=html_text.replace("<html>", "").replace("</html>","")
// Define a new array of all HTML elements with the "v:imagedata" tag
var images =document.getElementById('doc_html').getElementsByTagName("v:imagedata")
// Loop through each image
for(j=0;j<images.length;j++) {
// Grab the source attribute to get the image name
var src = images[j].getAttribute('src')
// Check to make sure the image has a 'src' attribute
if(src!=undefined) {
...
我在加载正确的 src 属性时遇到了很多问题，因为 IE 在将它们加载到 innerHTML doc_html div 时会转义它的 HTML 属性，所以在下面的示例中，我使用的是伪路径和 @ 987654332@获取图片名称（如果正斜杠超过1个，此方法将不起作用！）：
...
images[j].setAttribute('src', '/path/to/the/folder/containing/the/images/'+src.split('/')[1])
...
在这里，我们使用父级（v:shape 对象）的父级（恰好是p 对象）向 HTML div 添加一个新的img 标记。我们通过从图像中获取src 属性和从v:shape 元素中获取style 信息，将新的img 标记附加到innerHTML：
...
images[j].parentElement.parentElement.innerHTML+="<img src='"+images[j].getAttribute('src')+"' style='"+images[j].parentElement.getAttribute('style')+"'>"
}
}
}
}
// Read the HTML Document using XMLHttpRequest
xmlhttp.open("POST", filepath + '.htm', false)
xmlhttp.send()
虽然有点具体，但上述方法能够成功地将img标签添加到原始文档中它们所在的HTML中。
【讨论】：