Ms word 将大量带有mathtype方程和矢量图形的.doc文件导出为带有嵌入式latex和svg的html

我需要将数千个.doc文件转换为HTML。这些文档包含MathType公式、Word图形（矢量图形），这些图形多次包含更多的公式对象本身。
通过Microsoft.Office.Interop.Word，我成功地将.docs保存为已过滤HTML和“未过滤”HTML（最后一种模式的优点是生成多个.wmz文件）。遗憾的是，MathType SDK无法转换过程中生成的wmz文件中的每个等式（SDK附带的wmf示例转换为LaTeX很好..）总结：

• 我需要知道哪些wmf文件是MathType方程，哪些是word绘图
• 我需要能够转换的wmf文件是MathType方程到乳胶
• 我需要一些相当好的wmf到svg转换器来转换图形，因为结果往往不符合我们的喜好
• 我需要访问word绘图中包含的mathtype方程式

所有这些都必须自动化，因为有数千个文件。

---

任何对此有经验的人？

WMZ都是gzip压缩的WMF，因此如果WMF到LaTeX的转换有效，那么请尝试将WMZ文件解压缩到WMF，然后将其转换为LaTeX。

我不久前做过这件事，但不是用数学公式，而且有几种方法可以遍历word文档对象树。您是否尝试过手动读取Word绘图对象，然后输出其中的每个等式对象？如果你能找到一个失败的例子，那么它可能是一个微软可能已经有补丁的错误。@acutesoftware我几乎解决了“丢失”图形中的方程式（这意味着可以只使用wmf或emf格式为它们生成的向量信息）。问题仍然在于使用MathType SDK将等式转换为LaTeX，并将wmf/emf转换为SVG。此外，为了访问对象，我正在将文档另存为.docx并查看其中的.bin文件，不过如果值得的话，我可以很容易地对此进行更改。在.NET中使用MS提供的对象模型，而不是读取.bin文件，这样MS就可以为您解决问题。您正在处理一种专有格式，您现在所做的任何解决方案都可能在下一个版本中中断。@acutesoftware您所关心的问题是正确的，但这是一个一次性导入过程，因此这不是一个大问题。不管怎样，我都会选择更简单的。事实上，wmz是压缩wmf。wmz文件不是问题所在，问题在于如何将wmf转换为LaTeX。