Office 文档解析 文档格式和协议

本文讨论的 Office 文档指的是 Office 2007 及以后的 PPTX 和 xlsx 等格式的文件。在 Office 2007 之前使用的不公开标准的二进制格式定义。在 Office 2007 之后的文档格式使用 OOXML 国际标准定义，本文将告诉大家这个标准的协议和格式

在 Office 2007 之后的 Office 文档格式采用的是 OOXML 标准格式。那什么是 OOXML 标准？这里的 OOXML 的全称是 Office Open XML File Formats 或被称为 OpenXML 格式，这是一个基于 zip+xml 定义的文档格式。这个标准最初是由 ECMA-376 定义的，后来 ISO/IEC 29500 也开始掺和 OOXML 格式的定义，不过可以认为从 ECMA-376 的第2版开始，这两个标准是一样的

微软的 Office 实现了 OOXML 格式，但仅实现其中一部分，详细描述请看 官方文档

在 OOXML 格式里面，如上文所说是基于 zip+xml 定义的，这里的 Zip 提供文件的支持，而 xml 提供内容的支持。不过 OOXML 使用的 zip 也是有规范的，这里使用 OPC (Open Package Convention) 中文名叫 开放打包协定 作为文件存储格式。当然，这并非说 OPC 使用特殊的 zip 格式，而是 OPC 规定了文件存放的存储格式，然后将这些文件使用 zip 打包为一个文件。因此 一个 OPC 文件（不管其文件后缀是什么）本质上就是一个 zip 文件，你可以用任何常见的解压软件进行解压，解压后你看到的那些文件的组织结构，就是以 OPC 定义的方式存储的

在 ECMA-376,Fourth Edition,Part 2 详细定义了 OPC 开放打包协定。在 OPC 里面有三个重要的概念，分别是 Part 和 Relation