MathType MTEF 数据分析

首先下载 MathType (http://www.mathtype.cn)，国内代理就是著名的思杰马克丁，我用的是 30 天试用版，没有盗版哦，不要抓我。

打开word 新建空白文档 1.doxc，输入著名的求根公式，保存。

然后用 7zip 解压，可以看到 docx 的庐山真面目了。

查看一下 word/document.xml 文件。

                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    

可以看到 word/media/image1.wmf 就是我们输入的公式的图片。

另外一个 oleObject1.bin 就是我们要解析的公式对象，可以看到公式是以一个 OLE 对象嵌入文档中的，除此之外常规的 apache POI，python-docx，OpenXMLSDK 都能解析。

关于 mathtype 的数据结构，网上公开的不多，目前可以参考的只有：

http://rtf2latex2e.sourceforge.net/MTEF3.html

官方曾经公开过 MTEF v4、v5 的数据结构，好在 web.archive.org 组织备份了网页，我们得以一览。

Part 1. How MTEF is Stored in Files and Objects

Window MetaFile (WMF) 前文提到，docx文件解压后可以看到 wmf 文件，这个是微软御用的格式，实际上就是一张图片，可以用绘图板打开。 wmf 是一种公开的格式，如下是一份详尽的规范（https://www.loc.gov/preservation/digital/formats/digformatspecs/WindowsMetafileFormat(wmf)Specification.pdf），相信有不少开源的库实现了，例如 libwmf（http://wvware.sourceforge.net/libwmf.html）。

我们用 hexedit 打开 wmf 文件，可以看到，从 0x040D 开始，到 0x0549，就是 MTEF 的数据结构了。

我们从 0x040D 开始看起，第一个字节 0x05 代表这个文件使用的是 MTEF v.5 版本，非常幸运，我们使用的 MathType 6.9b 使用的是 MTEF v.5 版本的格式，当然，后面的 DSMT6 显示软件的版本是 6 系的，已公开的是 MTEF v.5 DSMT4 后续的数据结构可能会有少量调整。

https://docs.wiris.com/en/mathtype/mathtype_desktop/mathtype-sdk/mtef5

 

 

文章转发来源：https://shuker.io/mathtype-hack/