我有一个mht文件，其中包含图像和一些文本。当我用记事本++打开它时，我会看到xml，然后是难以辨认的文本，我认为这些文本是图像。有人能告诉我如何使用java程序从mht文件中提取图像和文本吗？谢谢
它有点旧，但在Internet Explorer中打开它，并保存为HTML也可以完成的工作
更新：
如果在IE中打开.mht文件，然后将其保存，并将"另存为类型"设置为"网页，完成（.htm；.html）"，则它将创建"filename.htm"文件以及"filename_files"目录。在该目录中会有很多.tmp文件。对于MS"问题步骤记录器"的输出，其中将包括一组名称中带有"（1）"的文件（如中可能有一个"mhtD3B8.tmp"文件和一个"mhtD3B8（1）.tmp"文件）。"（1）"文件是.jpg格式的图像，只是扩展名为.tmp。从该文件夹中搜索名称为"（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，请键入"rename*.tmp*.jpg"（不带引号），然后按Enter键。Voila-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。
希望这能有所帮助！
有一个名为unmht的开源perl工具可以完成这项工作：
档案中的第一个HTML文件被视为主要网站页面，其他包含的"页面必备项"文件，如图像或帧。主网页被写入输出目录（默认为当前目录），子目录的requisites以不带扩展名的主HTML文件名命名附加了"_files"。链接所有HTML文件中引用必需品的URL被重写以指向保存的文件。