Go语言国际电子表格文档格式标准实践

在 Gopher Meetup 北京站上，阿里巴巴高级开发工程师、前百度 Go 语言编程委员会成员续日进行了主题为《Go语言国际电子表格文档格式标准实践》的演讲。

Excelize 是 Go 语言编写的用于操作 Office Excel 文档类库，基于 ECMA-376, ISO/IEC 29500 国际电子表格文档格式标准。可以使用它来读取、写入由 Microsoft Excel™ 2007 及以上版本创建的 XLSX 文档，可以应用于各类报表系统中，做为 2018 开源中国最有价值开源项目，目前已成为 Go 语言最受欢迎的 Excel 文档基础库。本次演讲将探究国际文档格式标准，解读使用 Go 语言从 0 到 1 打造 Excelize 背后的故事，分享 Go 语言在国际电子表格文档格式标准方面的实践。

以下为演讲内容整理。

00

前言

大家好！我叫续日。今天给大家带来 Go 语言在国际电子表格文档格式标准实践方面的分享。提起电子表格大家都比较熟悉，以 Excel 为代表的经典电子表格已经应用在各行各业当中，根据相关研究机构的估算数据，世界上 Office 办公文档的数量在 2007 年的时候已经达到了 400 亿规模，并且每年大约以数十亿的规模增长。

为什么要用 Excelize

Excel 文档作为一种数据承载的重要载体，在很多领域都有应用。作为开发者，一些情况下需要用编程的方式操作这些 Excel 文档，比如从已有电⼦表格⽂档中读取内容、创建新的电⼦表格⽂档、基于已有⽂档（模版）⽣成新的电⼦表格⽂档、向电⼦表格⽂档中插⼊图⽚、图表和表格等元素，有时还需要跨平台实现这些操作。Excelize 是 Go 语言编写的用于操作 Office Excel 文档基础库，使用 Excelize 可以方便的实现上述需求。今天的分享包含两个部分，第一部分介绍国际电子表格文档格式标准的内容，第二部分向大家分享在使用 Go 语言实现标准过程当中的一些经验。

01

文档格式国际标准

如果要用编程的方式操作电子表格文档，首先需要了解其标准。ECMA-376, ISO/IEC 29500 做为国际文档格式标准是一种基于 XML 和 ZIP 技术的文档格式，对应大家所熟悉的 Office 文档文件。这个标准的名字比较长，里面涉及到三个国际的标准化组织。ECMA 是欧洲计算机厂商联盟，ISO 大家比较熟悉，国际标准化组织，IEC 是国际电工协会，这三个国际化组织联合制定了文档格式国际标准。

标准特点分为六个方面，下面解释一下比较有代表性的几个特点。互操作性， 文档格式标准独立于专有格式、功能和运行时环境，平台语言无关，使开发人员可以进行广泛选择。国际化体现在文档标准当中涉及到像语言的书写规范，有些文字是纵向的，或者是从右到左的书写系统，以及各个国家地区的历法、时间的处理。高保真迁移，文档的内容本身不需要开发者把所有的数据结构都实现出来，也能在呈现上表现一致。因为它的数据结构是非常庞大的，也提供了向后扩展的空间，业务扩展空间体现在向后兼容的设计，在文档当中可以嵌入多媒体的文件，比如 VBA 脚本、图片、音视频等。

TC45 是 ECMA 下属的技术委员会，主要负责对该标准的修订和维护。这个标准目前已经发展到第五版，一共有五部分。委员会的代表中有很多大家熟悉的公司，其中包括计算机厂商、互联网公司和传统行业代表，例如光学镜片公司、石油公司和图书馆等，可以发现图书馆在信息化的存储方面也有很多的需求。

              

右边两张图片是标准文档的下载页面截图，第一张图片是该标准第一部分在 ISO 上的页面，可以看到第一部分的内容有超过 5000 页的文档，数量还是比较多的。第二张图片是 ECMA 网站上该标准的截图，上面有对标准中 5 个部分的描述，我们可以访问网站下载标准文档进行查看。大家比较熟悉的像 Microsoft Office Excel、Apple Numbers、LibreOffice、Google Docs、Apache OpenOffice 等，都是遵循该标准的典型代表。

标准规范

               

下面介绍一下标准的内容，首先上层是标记语言部分，这部分由四类标记语言组成。 

Word 文档对应的标记语言叫 WordprocessingML，电子表格则是 SpreadsheetML，PowerPoint 演示文稿对应的是 PresentationML。Excelize 主要实现的是 SpreadsheetML 这个部分，除此之外 Office 文档支持进行跨应用的嵌套，例如：Word 可以嵌套 Excel，Excel 可以嵌套 Word。通用标记是跨应用的文本标记语言，涉及到可视化图表、可扩展标记、源数据和目录引用等。

中间这一层叫做开放包装公约（Open Packaging Convention），简称 OPC，是组织这些文档格式的上层描述语言，其中定义了文档内部组件之间的关联关系、文档内部数据结构之间的依赖和文件数字签名等。

下面是底层的核心技术，我们可以创建一个 Excel 文件，修改成 zip 扩展名解压一下就知道它是个压缩包，标准委员会采用比较基础的核心技术来定义文档格式，这样做有很强的扩展性，也方便各个平台去实现。

XSD (XML Schema Definition)