RTF文件中提取obj数据的最简单方法

如何解决RTF文件中提取obj数据的最简单方法

我想提取 RTF 文件中嵌入的 OLE 对象。 我更喜欢用 Java 实现它，所以我阅读了 Apache Tika RTFParser (1.25 & 2.0-ALPHA) 的文档和源代码，发现 Tika 只是为了搜索目的提取文本，无法获取 obj 数据。或许基于TextExtractor写一些代码是可行的。

然后我也尝试了 this post in C#，但在 Packagedobject.Extract 中的 if (type != 3) // 3 is file,1 is link 上出错。

谁能帮我找出在 RTF 文件中提取 obj 数据的最简单方法（更少的代码）是什么？首选跨平台和服务器端解决方案（Java 或 .net-core）。但是用Word。 C#中的应用并不可观，因为它依赖于Word客户端，有时会意外终止。

解决方法

如果您想使用 Apache Tika 提取原始字节，请尝试使用 Tika 应用程序的 -z 命令行选项或使用 tika-server 的 /unpack endpoint。是的，Tika 专注于文本/元数据提取，但它也可用于提取原始嵌入文件。

,

您可能会发现这是一个有用的起点：https://github.com/joniles/mpxj/blob/master/src/main/java/net/sf/mpxj/mpp/RTFEmbeddedObject.java#L149

这是为了让 MPXJ 用户提取嵌入在 RTF 笔记中的对象。