DOCX文档结构分析

一、概述

docx文档本质上是一个压缩包，可直接修改文档.docx后缀为.zip后缀，再解压zip包，可得如下docx文档详细结构（包含utf-8或utf-16编码的XML文件及其他图片、视频等媒体文件，该结构根据Open Packaging Conventions所规定）。

二、主要结构介绍

1、[Content_Types].xml

每个docx压缩包都含有该文件，位于压缩包根目录下，引入了压缩包中所有使用到的部件的内容类型，例如主文档部件的内容类型，如下：

【注意：后续如果要添加新部件，就需要在[Content_Types].xml中补充新部件的内容类型，才会生效】

2、*.rels文件

文档结构中存在很多.rels文件，它们维护着当前层级之间及与压缩包外部资源间的映射关系，目的是将资源关系从内容中分离出来统一维护。

3、word/document.xml

主文档文件，我们通过word/wps打开docx文件看到的内容及结构，都存储在该文件中。可以类比HTML，当其中内容或结构变化，我们看到的内容和结构就会产生相应的变化。

4、word/styles.xml

顾名思义，就是控制文档样式的文件，类似于CSS，其中以id选择器方式定义着文档所需的复杂样式（可以在上图document.xml结构中看到，对于一些简单样式，如字体、字体大小，是以类似行内样式的方式在文档结构中直接设置的）
而对于复杂样式，比如标题样式、列表样式，都会采用外部样式的方式实现。具体实现方式为：通过 styles.xml中w:style的w:styleId与document.xml中 w:pStyle的w:val建立映射关系。

5、word/numbering.xml

文档中使用较多的便是各种有序列表、无需列表，其中列表样式、结构都单独定义维护在该文件中，通过w:num的w:numId与document.xml中w:numId的w:val建立映射关系，使得列表样式作用于文档内容之上。该文档中包含着有序列表自增规则、无序列表图标样式等内容，对于后续操作docx合并确保列表样式正常，了解该文件作用就十分必要了。