mhtml - 从 mht 文件中提取图像和文本

Question

我有一个 mht 文件，其中包含图像和一些文本。当我用 Notepad++ 打开它时，我看到 xml，然后看到难以辨认的文本，我认为这些文本是图像。有人可以告诉我如何使用 java 程序从 mht 文件中提取图像和文本吗？谢谢。

Answer 1

它有点旧，但在 Internet Explorer 中打开它，然后另存为 HTML 也可以完成工作

更新:

如果您在 IE 中打开 .mht 文件，然后保存它，并将“保存类型”设置为“网页，完整 (.htm;.html)”，则会创建“filename.htm”文件以及“filename_files”目录。该目录中会有很多 .tmp 文件。对于 MS“问题步骤记录器”的输出，其中将包括一堆名称中带有“(1)”的文件(例如可能有一个“mhtD3B8.tmp”文件，如下所示)以及“mhtD3B8(1).tmp”文件)。 “(1)”文件是 .jpg 格式的图像，仅带有 .tmp 扩展名。从该文件夹中搜索名称中包含“(1)”的所有文件，并将它们复制到其他目录。

进入新目录后，打开指向该目录的 cmd 窗口。要一次更改所有扩展名，请输入“rename *.tmp *.jpg”(不带引号)并按 Enter。瞧 - 所有图像文件都已提取。

至于访问文本 - 由于该文件现在保存为 .htm 文件，您应该能够在 Notepad++ 中打开该文件并在那里正确解析/读取它。

希望这有帮助!