如何在 Java 中提取 Word 文档中嵌入对象（OLE）的实际数据-java教程-PHP中文网

如何在 Java 中提取 Word 文档中嵌入对象（OLE）的实际数据

本文介绍如何使用 aspose.words for java 识别并提取 word 文档内嵌的 ole 对象（如 excel 表格、pdf、word 子文档等）的原始数据，包括判断嵌入类型、获取原始字节流及保存为文件的完整实践方法。

本文介绍如何使用 aspose.words for java 识别并提取 word 文档内嵌的 ole 对象（如 excel 表格、pdf、word 子文档等）的原始数据，包括判断嵌入类型、获取原始字节流及保存为文件的完整实践方法。

在 Aspose.Words 的文档对象模型（DOM）中，嵌入式文档（例如双击可打开的 Excel 工作表、嵌入的 PDF 或另一个 Word 文件）并非以独立文档节点形式存在，而是统一封装为 Shape 节点，并通过其 OleFormat 属性承载嵌入信息。因此，遍历文档节点时，需先筛选出具备有效 OleFormat 的 Shape，再进一步提取其内容。

以下是一个完整的 Java 示例，展示如何遍历文档所有 Shape 节点，识别嵌入对象，并安全导出其原始数据：

Word2md

文档转 Markdown 转换器 - 将 DOCX、PPTX、Excel 文件转换为 Markdown。用于从 Word 文档、PowerPoint 演示文稿或 E... 提取内容。

下载

import com.aspose.words.*;

public class OleExtractor {
    public static void extractEmbeddedObjects(String docPath) throws Exception {
        Document doc = new Document(docPath);

        // 获取所有 Shape 节点（含嵌入对象）
        NodeCollection shapes = doc.getChildNodes(NodeType.SHAPE, true);

        for (Node node : shapes) {
            Shape shape = (Shape) node;
            OleFormat oleFormat = shape.getOleFormat();

            // 判断是否为有效的 OLE 嵌入对象
            if (oleFormat != null && oleFormat.getData() != null) {
                String progId = oleFormat.getProgId(); // 如 "Excel.Sheet.12", "Word.Document.12"
                byte[] data = oleFormat.getData();      // 原始嵌入数据（OLE 复合格式或原始流）

                System.out.println("发现嵌入对象: " + progId + ", 数据大小: " + data.length + " 字节");

                // 可选：根据 ProgID 推荐扩展名，保存为文件
                String ext = getExtensionFromProgId(progId);
                String outputPath = "embedded_" + System.currentTimeMillis() + ext;
                Files.write(Paths.get(outputPath), data);
                System.out.println("已保存至: " + outputPath);
            }
        }
    }

    private static String getExtensionFromProgId(String progId) {
        if (progId == null) return ".bin";
        return switch (progId.toLowerCase()) {
            case "excel.sheet.12", "excel.sheet.8" -> ".xlsx";
            case "word.document.12", "word.document.8" -> ".docx";
            case "powerpoint.presentation.12" -> ".pptx";
            case "acropdf.pdf" -> ".pdf";
            default -> ".bin";
        };
    }

    public static void main(String[] args) throws Exception {
        extractEmbeddedObjects("sample.docx");
    }
}

⚠️ 注意事项：

OleFormat.getData() 返回的是嵌入对象的原始二进制数据（通常为 OLE 复合文档格式或原始文件流），可直接保存为对应类型文件，但不支持在内存中“解析”其结构（如读取 Excel 单元格）——若需进一步处理，应将数据写出后用对应库（如 Apache POI、Aspose.Cells）加载。
并非所有 Shape 都含有效嵌入数据；务必检查 oleFormat != null && oleFormat.getData() != null，避免空指针异常。
某些嵌入对象（如链接型 OLE）可能无内联数据（getData() 返回 null），此时需结合 oleFormat.isLink() 判断是否为外部链接。
Aspose.Words 不提供对嵌入对象内容的动态编辑能力（如修改内嵌 Excel 表格），仅支持提取与替换。

综上，通过精准识别 Shape 节点中的 OleFormat，开发者即可可靠地定位并导出 Word 中各类嵌入文档的原始数据，为后续自动化归档、内容分析或跨格式转换奠定基础。