从xls文件中提取图像数据产品系统Vibe Coding

在有些时候是存在从Excel文件中提取嵌入的图像，比如jpeg、png类型的图像，对于Excel这种文件来说存在两种格式，一种是xlsx，另一种是xls格式，第一种非常好解析出里面嵌入的图像数据，而后者xls格式这种是微软旧版的格式，这种格式解析起来极其繁琐，而且网络上并非有现存的教程教你一步步解析，因此我开发了一款工具，能够高效提取xls中的图像文件。

本项目已经开源至Github社区，并专门写过一些文档在国内社区，功能主要为:
1. 能够解析xls文件流，找到图像数据所在位置并提取出保存。
2. 弥补了C/C++开源库在这方面的空白。

一、获取 WorkBook 流

XLS 文件采用复合文档格式存储，图像数据位于 WorkBook 流中。借助微软开源的 compoundfilereader 库，可以高效地从 XLS 文件中解析出 WorkBook 流，为后续处理奠定基础。

二、定位 MsoDrawingGroup 记录

WorkBook 流由多个 BIFF8 结构组成，每个结构包含记录类型、大小和数据。图片数据存储在类型为MsoDrawingGroup的记录中。通过遍历所有 BIFF8 结构，即可获取全部 MsoDrawingGroup 数据块。

由于单个 BIFF8 存储容量有限，当图像数据较大时会被分割存储。被分割的数据块除第一个外，后续均以recordType = BIFF8_CONTINUE作为标识，这为数据重组提供了可靠依据。

三、图像数据提取
MsoDrawingGroup 记录中混杂了图形布局信息，不能直接写入文件。通过分析二进制数据发现，图像数据在其中呈连续完整存储。基于此，采用文件签名顺序分割算法进行提取：

PNG格式处理：遍历数据流，匹配 PNG 文件头签名89 50 4E 47 0D 0A 1A 0A。该签名辨识度高，误判率极低。定位文件头后，查找 IEND 结束块确定数据边界。

JPEG格式处理：查找 JPEG 起始标识（JFIF/Exif头部）。结束标识0xFF 0xD9可能出现在图像内容中，若顺序扫描易被干扰。为此采用逆向回溯策略：当定位到下一文件头时，向前回溯查找上一图片的真实结束符，确保分割准确。

该方案无需完全解析复杂文档结构，即可高效、准确地提取 XLS 中的 PNG 和 JPEG 图像。