嵌入式 OLE PDF 对象大于 DOCX 中的原始对象

Question

我遇到的问题是，当我使用 .pdf 类型的嵌入式 (ole) 文件创建 docx 文档时，/embeddings 文件夹中生成的二进制文件比原始文档大。

我插入了一个大小为 52076 字节的文档。如果我将 .docx 重命名为 zip 并打开它，oleObject1.bin 有 55296 字节

现在，当我想用 Apache POI 提取文件时，文件就在那里，但已损坏。

有什么想法吗？（我一开始以为是压缩包？）

感谢

Answer 1

好的，我发现了问题：

例如，对于 docx，文件之前有一些数据块（RootEntry、ObjInfo、Contents，..）。使用十六进制编辑器，您会看到文件从后面的某处开始。我通过查看目录的类型来修复我的提取器 - 对于 pdf，你必须查看 CONTENTS 目录条目：

private void writeBinaryPackagePart(PackagePart part, File targetfolder, String extension, String fileName) throws IOException {
        if (StringUtils.isEmpty(fileName)) {
            fileName = generateUniqueId(OleExtractorUtils.OfficeType.BINARY).concat(".").concat(extension);
        }
        InputStream inputStream = FileMagic.prepareToCheckMagic(part.getInputStream());
        try {
            if (FileMagic.valueOf(inputStream) == FileMagic.OLE2) {
                try (NPOIFSFileSystem npoifsFileSystem = new NPOIFSFileSystem(inputStream)) {
                    if (isOle10Native(npoifsFileSystem.getRoot())) {
                        byte[] dataBuffer = Ole10Native.createFromEmbeddedOleObject(npoifsFileSystem.getRoot()).getDataBuffer();
                        writeOle10NativeObject(dataBuffer, fileName, targetfolder);
                    }
                    else if (npoifsFileSystem.getRoot().getEntryNames().contains("CONTENTS"))
                        try (DocumentInputStream contents = npoifsFileSystem.createDocumentInputStream("CONTENTS")) {
                            writeOle10NativeObject(IOUtils.toByteArray(contents), fileName, targetfolder);
                        }
                }
            }
        }
        catch (Exception e) {
            LOGGER.warn("Cannot create Ole10Native from Object {}! Writing the following binary: {}", part.getPartName(), fileName);
            ServiceUtil.moveUploadedFileToExistingTempFolder(inputStream, fileName, targetfolder);
            inputStream.close();
        }
    }

private boolean isOle10Native(DirectoryNode directoryNode) {
    String ole10Native = Ole10Native.OLE10_NATIVE;
    Iterator<Entry> entries = directoryNode.getEntries();
    while(entries.hasNext()) {
        Entry entry = entries.next();
        if (entry.getName().contains(ole10Native)) {
            return true;
        }
    }
    return false;
}

嵌入式 OLE PDF 对象大于 DOCX 中的原始对象

Embedded OLE PDF-Object bigger than the original in DOCX

zip

docx

apache-poi