OOXML:Excel(xlsx)是什么
背景
现在(2020年)在线的文档预览和编辑的产品越来越多,国内各大互联网公司都相继退出了自己的协同文档编辑产品,这让我对日常办公用到的电子文档格式产生了好奇,无论是xlsx,pptx还是docx,都是微软office的格式,那么其他的产品(比如WPS)又是怎么实现这些文档的预览和编辑呢?查阅了资料,让我找到了一个看似不相干的”新“名词——OOXML。
Office Open XML,也称为OpenXML或OOXML,是用于办公室文档的基于XML的格式,包括文字处理文档,电子表格,演示文稿以及图表,图表,形状和其他图形材料。
简单来说,OOXML是一个基于XML的文档格式标准,最早是微软Office2007的产品开发技术规范,先是成为 Ecma(ECMA-376) 的标准,最后改进推广,成为了 ISO 和 IEC (as ISO/IEC 29500) 的国际文档格式标准。我们熟知的xlsx,pptx,docx都是基于OOXML实现的,所以,通过OOXML标准,我们能够在不依赖Office的情况下,在任何平台读写Office Word,PPT和Excel文件。
这篇文章是系列文章的第一篇,介绍Excel是什么,工作表表格(grid)的XML格式,以及Excel文件是怎么组织起来的。
系列文章指北
Todo: 详解Excel绘图(drawing)
Excel文档的包结构
OOXML是基于XML的文档格式标准,但是我们都知道,Excel文件是以xlsx为后缀的单个文件。这其实是因为(officeopenxml.com/anat...x.php):
SpreadsheetML或.xlsx文件是一个zip文件(一个包(package)),其中包含许多“组件”(通常是UTF-8或UTF-16编码)或XML文件。这个包可能包含图片等其他媒体文件。这个结构根据OOXML标准ECMA-376第2部分中概述的开放包装约定(Open Packaging Conventions)进行组织。 你可以通过简单地解压缩.xlsx文件来查看文件结构和组成SpreadsheetML文件的文件。
简单来说,一个Excel文档就是一个zip压缩文件,我们称呼一个Excel文档为一个"包"(package),包里面不同的XML文件,我们通常称呼为”组件“。
这里我提供了一个示例Excel文件供大家参考。解压之后我们能够看到类似下面的目录结构,这就是我们Excel文件的目录构成了。
我标出了各个目录和文件在Excel文档中的含义,读完接下来的内容,你应该就能明白括号标注的内容,并且理解这些文件是什么,以及这些文件之间有什么联系了。
├── [Content_Types].xml (组件描述文件)├── _rels (包的关联组件)├── docProps (文档的属性)│ ├── app.xml│ ├── core.xml│ └── custom.xml└── xl├── _rels (工作簿组件的关联组件)│ └── workbook.xml.rels├── charts (图表组件的目录)│ ├── _rels (图表组件的关联组件目录)│ │ ├── chart1.xml.rels (图表组件的关联组件)│ │ └── chart2.xml.rels│ ├── chart1.xml (表格组件)│ ├── chart2.xml (表格组件)│ ├── colors1.xml (颜色组件)│ ├── colors2.xml (颜色组件)│ ├── style1.xml (样式组件)│ └── style2.xml (样式组件)├── drawings (绘图组件的目录)│ ├── _rels (绘图组件的关联组件目录)│ │ └── drawing1.xml.rels (绘图组件的关联组件)│ └── drawing1.xml├── media (多媒体文件目录)│ └── image1.png├── sharedStrings.xml (共享字符串组件)├── styles.xml (样式组件)├── tables (表格组件的目录)│ └── table1.xml (表格组件)├── theme (主题组件的目录)│ └── theme1.xml (主题组件)├── workbook.xml (工作簿组件)└── worksheets (工作表组件的目录)├── _rels (工作表组件的关联组件目录)│ └── sheet1.xml.rels (工作表组件的关联组件)└── sheet1.xml (工作表组件)
Excel文档的组织形式
Excel文档的包中包含了很多组件,最重要的可以分成:
- Content Types
- 主要内容(worksheet)
- 关联(Relationships)
基本上理解了这三个东西,你就能明白了Excel包中的文件,是怎么组织起来,最后成为我们最后能看到的复杂Excel样式了。
Content Types
每个包都必须在其根目录下有一个 [Content_Types] .xml 文件。该文件包含了包中组件的所有内容类型的列表。每个组件及其类型都必须在[Content_Types] .xml中列出。 以下是主要内容部分的内容类型:
在向包中添加新组件时,请一定记得这里,很重要。
下面是示例Excel文件中的 [Content_Types] .xml ,ContentType描述了各个组件的文档类型,PartName描述了组件在包内的名称(对于部分组件来说,也是XML文件的路径):
<?xml version="1.0" encoding="UTF-8" standalone="yes"?><Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types"><Default Extension="png" ContentType="image/png" /><Default Extension="rels" ContentType="application/vnd.openxmlformats-package.relationships+xml" /><Default Extension="xml" ContentType="application/xml" /><Override PartName="/docProps/app.xml" ContentType="application/vnd.openxmlformats-officedocument.extended-properties+xml" /><Override PartName="/docProps/core.xml" ContentType="application/vnd.openxmlformats-package.core-properties+xml" /><Override PartName="/docProps/custom.xml" ContentType="application/vnd.openxmlformats-officedocument.custom-properties+xml" /><Override PartName="/xl/charts/chart1.xml" ContentType="application/vnd.openxmlformats-officedocument.drawingml.chart+xml" /><Override PartName="/xl/charts/chart2.xml" ContentType="application/vnd.openxmlformats-officedocument.drawingml.chart+xml" /><Override PartName="/xl/charts/colors1.xml" ContentType="application/vnd.ms-office.chartcolorstyle+xml" /><Override PartName="/xl/charts/colors2.xml" ContentType="application/vnd.ms-office.chartcolorstyle+xml" /><Override PartName="/xl/charts/style1.xml" ContentType="application/vnd.ms-office.chartstyle+xml" /><Override PartName="/xl/charts/style2.xml" ContentType="application/vnd.ms-office.chartstyle+xml" /><Override PartName="/xl/drawings/drawing1.xml" ContentType="application/vnd.openxmlformats-officedocument.drawing+xml" /><Override PartName="/xl/sharedStrings.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.sharedStrings+xml" /><Override PartName="/xl/styles.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.styles+xml" /><Override PartName="/xl/tables/table1.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.table+xml" /><Override PartName="/xl/theme/theme1.xml" ContentType="application/vnd.openxmlformats-officedocument.theme+xml" /><Override PartName="/xl/workbook.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet.main+xml" /><Override PartName="/xl/worksheets/sheet1.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.worksheet+xml" /></Types>
主要内容(worksheet)
SpreadsheetML文档是一个包含许多不同组件(主要是XML文件)的包。 但是,大多数实际的内容都在一个或多个工作表(worksheet)组件(每个工作表(worksheet)一个)和一个共享字符串(sharedStrings)组件。 以Microsoft Excel为例,其内容位于xl文件夹中,而工作表(worksheet)位于worksheet子文件夹中。
工作簿(workbook)组件不包含实际内容,而仅包含电子表格的某些属性,并引用了一个个包含数据的工作表(worksheet)组件。 一个工作表组件可以是一个表格(grid),图表(chart)或者对话框表(dialog sheet)。
工作表(worksheet)组件内容(xl/worksheets/sheet1.xml):
<?xml version="1.0" encoding="UTF-8" standalone="yes"?><worksheet xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main"xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships"xmlns:xdr="http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing"xmlns:x14="http://schemas.microsoft.com/office/spreadsheetml/2009/9/main"xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"><sheetPr/><dimension ref="A1:F13"/> <!-- 表格的范围 --><sheetViews><sheetView tabSelected="1" workbookViewId="0"><selection activeCell="C14" sqref="C14"/> <!-- activeCell的位置 --></sheetView></sheetViews><!-- 表格的默认cell配置 --><sheetFormatPr defaultColWidth="9" defaultRowHeight="14" outlineLevelCol="5"/><cols> <!-- 列属性 --><col min="1" max="1" width="4.5625" customWidth="1"/><col min="2" max="2" width="10.9296875" customWidth="1"/><col min="3" max="3" width="10.546875" customWidth="1"/><col min="4" max="4" width="11.71875" customWidth="1"/><col min="6" max="6" width="4.5546875" customWidth="1"/></cols><sheetData><row r="1" ht="40" customHeight="1" spans="1:6"><!-- r:行号, ht:行高(单位pt), customHeight:是否自定义行高, span:跨度, s:样式(style)索引, customFormat:是否行自定义格式 --><c r="A1" s="2" t="s"><!-- r:单元格编号, s:样式(style)索引, t:单元格类型 --><v>0</v><!-- 字符串在共享字符串组件中的索引 --></c><c r="B1" s="3"/><c r="C1" s="3"/><c r="D1" s="3"/><c r="E1" s="3"/><c r="F1" s="3"/></row><row r="2" s="1" customFormat="1" ht="22" customHeight="1" spans="1:6"><c r="A2" s="4" t="s"><v>1</v></c><c r="B2" s="4" t="s"><v>2</v></c><c r="C2" s="4" t="s"><v>3</v></c><c r="D2" s="4" t="s"><v>4</v></c><c r="E2" s="9" t="s"><v>5</v></c><c r="F2" s="9"/></row>......</sheetData><mergeCells count="9"><mergeCell ref="A1:F1"/><mergeCell ref="E2:F2"/>......</mergeCells><pageMargins left="0.75" right="0.75" top="1" bottom="1" header="0.511805555555556" footer="0.511805555555556"/><!-- 页面边距配置,单位英寸(in) --><headerFooter/><drawing r:id="rId1"/><!-- 图表和多媒体的显示,都通过引用绘图(drawing)组件来实现 --><tableParts count="1"><tablePart r:id="rId2"/><!-- 表格(table)组件:用于查找特定的表定义组件 --></tableParts></worksheet>
因为太长,只截取部分共享字符串(sharedStrings)组件内容(xl/sharedStrings.xml):
<?xml version="1.0" encoding="UTF-8" standalone="yes"?><sst xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" count="36" uniqueCount="36"><si><t>Ttitle</t></si><si><t>A1</t></si><si><t>B1</t></si>......</sst>
而这些工作表(worksheet)本身只存储工作表自身行列的属性和数据,其他与工作表相关的内容,它会通过引用其他类型的组件来实现,比如Excel图表,多媒体文件等等,这些要通过关联(Relationships)组件,读取对应的数据。接下来我们来说说关联。
关联(Relationships)
每个包都包含一个关联(Relationships)组件,该关联部件定义了其他组件之间以及与包外部资源之间的关联。这样可以将关系与内容分开,并且可以轻松更改关联,而无需更改引用目标的来源。
OOXML使用这种组织的方式,可以将组件和组件之间解耦,而在实现读写逻辑时,我们可以从中获取极大的便利。比如我们需要修改某个Excel组件时,可以不修改引用他的组件,只需要修改这个组件本身,而不是组件包含在整个XML文件中,然后修改整个XML文件。比如我们只需要读取工作表数据时,可以不读其他组件的XML数据,提高程序效率。
我们在好几个包(package)下都能看到一个 _rels 目录,这个目录就是Excel文档的关联组件了,一般这个关联组件的目录下会有一个或多个 .rels 后缀的文件,文件基于XML格式描述资源之间的关系。组件之间使用关联将Excel文档组织起来。
以示例文件举例 xl/_rels 下的 workbook.xml.rels :
<?xml version="1.0" encoding="UTF-8" standalone="yes"?><Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships"><Relationship Id="rId4" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/sharedStrings"Target="sharedStrings.xml"/><Relationship Id="rId3" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/styles"Target="styles.xml"/><Relationship Id="rId2" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/theme"Target="theme/theme1.xml"/><Relationship Id="rId1" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/worksheet"Target="worksheets/sheet1.xml"/></Relationships>
文件里面,我们看到了关联的资源ID(Id)和资源路径(Target)的对应,以及关联的类型(Type)。
然后我们看看工作簿(xl/workbook.xml)的内容:
<?xml version="1.0" encoding="UTF-8" standalone="yes"?><workbook xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main"xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships"><fileVersion appName="xl" lastEdited="3" lowestEdited="5" rupBuild="9302"/><workbookPr/><bookViews><workbookView windowWidth="21500" windowHeight="13180"/></bookViews><sheets><sheet name="Sheet1" sheetId="1" r:id="rId1"/></sheets><calcPr calcId="144525" concurrentCalc="0"/></workbook>
工作簿(workbook)怎么通过工作簿的关联组件(xl/_rel/workbook.xml.rels)来获取需要的工作表(sheet)组件?看关联组件的数据,我们发现,只需要找到关联ID为rId1的sheet组件的路径(Target),然后再读取路径下的文件,工作簿就能获取到对应工作表组件的数据。
我们截取工作表组件(xl/worksheets/sheet1.xml)的部分xml内容,来看工作表又是怎么通过关联来进一步描述工作表的内容:
<?xml version="1.0" encoding="UTF-8" standalone="yes"?><worksheet xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main"xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships"xmlns:xdr="http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing"xmlns:x14="http://schemas.microsoft.com/office/spreadsheetml/2009/9/main"xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006">......<drawing r:id="rId1"/><!-- 图表和多媒体的显示,都通过引用绘图(drawing)组件来实现 --><tableParts count="1"><tablePart r:id="rId2"/><!-- 表格(table)组件:用于查找特定的表定义组件 --></tableParts></worksheet>
XML文件中drawing和tablePart的 r:Id 属性,告诉我们,这里工作表组件需要从关联组件中寻找绘图组件和表格组件。然后我们继续看工作表组件的关联组件 (xl/worksheet/_rel/sheet1.xml.rels):
<?xml version="1.0" encoding="UTF-8" standalone="yes"?><Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships"><Relationship Id="rId2" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/table" Target="../tables/table1.xml" /><Relationship Id="rId1" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/drawing" Target="../drawings/drawing1.xml" /></Relationships>
我们发现,工作表只要通过自己的关联组件,就能找到需要的其他组件了。
小结
我们使用 Content Type 文件登记Excel文档的组件信息,然后通过关联组件,将工作簿组件,工作表组件和绘图、表格等其他组件组合在一起,最终将Excel文档组织起来。
总结
OOXML是很复杂的,Excel文档的实现也是很复杂的,这篇文章仅作为学习参考,后面有可能的话,会增加更多Excel文档底层实现的内容。如果想要更多的了解OOXML和Excel文档,可以查阅下面的参考资料。
参考资料
officeopenxml.com http://officeopenxml.com/
officeopenxml.com介绍xlsx officeopenxml.com/anat...x.php
officeopenxml.com介绍xlsx(Spreadsheet)内容概述 officeopenxml.com/SSco...w.php
OOXML维基百科 en.wikipedia.org/wiki/...n_XML
ISO/IEC 29500-1:2016 说明 iso.org/standard/...71691.html
ISO/IEC 国际标准文档列表 standards.iso.org/ittf....html
ISO/IEC 29500-1:2016 文档地址 standards.iso.org/ittf...6.zip
Office DocumentFormat.OpenXml.Spreadsheet/Row docs.microsoft.com/en-u....8.1