从Word提取图片：为什么导出素材和文档里看到的裁切不一样

01同一张图片，可能有三种合理的交付结果

微软的WordprocessingML结构说明区分正文与页眉、页脚、批注等文档部分。当前工具读取正文部分的文本，并单独收集包内媒体；因此正文文本和图片文件并不等于一份完整还原的Word页面。页眉文字、批注和脚注不能根据document.txt里没有出现就认定不存在。

提取图片也不会自动附带该图对应的图号、段落位置或用途。比如报告里两处使用同一张图，包内可能只保存一份素材；反过来，包内素材也可能没有在你浏览到的正文位置出现。图片文件数不能直接当作可见图片位置数。

022400×1600横图被裁成方图，导出后为什么又变宽

下面是原创的尺寸示例，不是某份客户文档。假设DOCX中嵌入一张2400×1600横图，在Word里居中裁成1600×1600的可见区域；左右各400像素只是在页面展示时被排除。微软的SourceRectangle说明解释了图片来源区域可以由裁切参数指定。媒体文件与这组展示参数是不同对象。

若文件内仍保留完整横图，提取就会得到2400×1600，而不是方图。但如果编辑者此前删除了裁剪区域，或保存时压缩了图片，包内文件就可能已经改变。这里的“包内素材”不能保证等于相机原片。务必实际打开导出文件检查。

03先提取到空文件夹，再建立用途映射

1. 1
   复制DOCX并保留原件。旧版.doc、扫描PDF或加密打不开的文件，不要只改后缀当作DOCX处理。
2. 2
   打开Word文档工具，切换到DOCX内容提取，选择一份支持的文件，然后处理。确认下载的ZIP确实能够解压。
3. 3
   在新文件夹打开document.txt与images。给每张图片记录文件名、像素、是否能打开，以及它在Word中的用途。
4. 4
   对照原文逐个查看页面上实际使用的图。需要保留裁切效果时另行制作发布版本，保留原素材与新版本的对应关系。
5. 5
   只交付通过审核的文件。不要把整份提取ZIP默认发给外部接收方。

04用一个小清单解决“图片都在，仍然不知道怎么用”

为一份两页产品说明建立如下编辑清单：image1.png是页眉标记，image2.jpg是封面陶杯图，image3.png是正文流程图。文件顺序和这些用途只用于本例，工具不会自动生成这套语义映射。每张图要由人对照原文确认，不能用image2这个名字猜测它一定是第2页。

若原稿来自Word模板填充流程，模板标识和业务数据同样需要分开核对。完成映射后，按文件交付清单的方法记录最终版本、接收者和审核结果，避免把未筛选的媒体包误当最终发布包。

05正文、图形和图片数量都有边界

当前提取把正文XML转换成纯文本，不提供完整阅读顺序、复杂表格结构或修订状态的保证；矢量媒体也可能保持原格式，普通图片查看器打不开并不等于文件损坏。链接到外部的图片不一定在word/media中，不能期待工具自动联网补齐。

此功能在浏览器本地处理输入文件，但下载目录、浏览器存储和你后续使用的共享位置仍需要自行管理。文件报错时先在可信的Word应用中检查它能否正常打开；不要把未知来源的宏文件或受保护文件当作普通媒体包随意处理。