对于EXCEL2003的XML格式文件的解析

标 题: 对于EXCEL2003的XML格式文件的解析
作 者: Sdoat

时 间: 2010-09-20,16:41:00

链 接: http://blog.csdn.net/sdoat/archive/2010/09/20/5897404.aspx

首发CSDN，欢迎转载，转载请注明来源，谢谢！

工作中，很多时候用到Excel处理分析数据，而更深层次的数据挖掘，可能需要编写专门的程序进行处理，这时候有一个问题，就是如何从EXCEL中读取数据。

从EXCEL中读取数据，有多种方法，本文仅仅探讨文本读取的方式。EXCEL支持多种存储方式，从XLS到TXT到XML到....，本文仅仅探讨从EXCEL2003中的XML格式中读取指定数据。

 

本文环境：XP SP2  + VC6.0  + MS Office2003

本文工具：EXCEL2003 + VC6.0 + UE15.0

 

首先，分析一下XML的文件格式。

使用UE打开XML文件，可以看到，文件开头是XML文件头信息。

其中<Workbook>是EXCEL文件的内容；

<DocumentProperties>、<OfficeDocumentSettings>、<ExcelWorkbook>是文档的属性，本文重点是读取内容，故这些信息统统忽略；

<Styles>是EXCEL中段落、文字所有的属性，<Style>中是每一种不同的属性，所有的这些属性都有自己的id，此处也不是重点，也忽略；

<Worksheet>是工作表的信息，EXCEL文件中有几个工作表，此处就会有几个<Worksheet>的信息，所有的数据都存放在这些<Worksheet>中，我们的解析也主要以<Worksheet>为主。

 

<Worksheet ss:Name="工作表名">，此处可以获得工作表名，EXCEL中工作表必须有名字，故此处必定不为空。

接来下是一个<Table>，在<Table>中可以读取到此工作表最大的行数和列数，其存储形式为

<Table ss:ExpandedColumnCount="5" ss:ExpandedRowCount="63" x:FullColumns="1"
   x:FullRows="1" ss:DefaultColumnWidth="54" ss:DefaultRowHeight="14.25">

这表明，此张工作表，最大列数为5，最大行数为63，其它为大小控制信息，忽略；

 

接下来有一系列的<Row>，这个工作表，总共有63个，而每个<Row>里面最多有5个<Cell>。

<Row>中存放的是一行的数据，而<Cell>中存放的是行中每一个有有效数据的格子的数据。

 

我们解析的时候，先根据<Row>读取每一行数据，然后再根据<Cell>解析出每一个格子的数据。

而<Row>中第一个<Cell>中可能存在下面数据    ss:Index="5"，这个代表这一行中第一个有有效数据的格子是第5个格子，也就是说这一行的前四个数据都是空，我们还会看到   ss:StyleID="m153114702" ，这是代表这个单元格的属性，如果想知道这个属性是什么，请在UE中搜索m153114702，然后去看文件最前面的那个搜索结果，里面有定义，不过，此文忽略，

然后通常情况下，我们会看到一个<Data>，这里面就存储着我们需要的数据&#x