excel文件解析

上一篇文章对excel 下的xml文件做了一个简单的介绍，这次做一个详细一点的，供大家对excel底层的xml文件做一个入门了解吧。

一、excel的文件类型

     excel文件类型大致分为两种，xls和xlsx。xls文件底层是二进制组成，xlsx文件底层是由各个xml文件组成的，这里具体分析xlsx文件的解析。mac os系统下可以通过ezip软件打开xlsx结尾的xlsx文件，解压出组成excel的xml文件。

                                                                       图1、 test_pic.xlsx文件解压后图片 

 

二、xml各个文件含义简介

    excel文件主要内容在以excel文件命名的文件夹下的xl文件夹中。（图1中 test_pic下的xl文件夹中）

 

    worksheet文件：存放excel中各个页签的基本信息：sheet1.xml，sheet2.xml，......对应excel中的各个页签中：

    1. 单元格基本内容，包含单元格的值（重复高或者特殊情况下的string字段会存储在sharedString中，sheet.xml中值存储对应的index）,单元格的相关属性的index和缩写标识。具体存储在<row>标签的<c>标签下

    2. 行列属性（整行整列属性值）列属性存储在各个<row>标签中，列属性单独存储在<cols>中

    3. 条件格式化数据  对应<conditionalFormatting>

    4. 超链接数据  对应<hyperlink>

 

    theme文件：存放excel中一些基本默认数据 如颜色 字体样式等，对外提供一个index标识值，供sharedString文件或styles文件使用。

 

                                                                图2、theme文件涉及的数据在excel中的展示

 

    media文件：存放一些插入的图片。

 

    drawings文件：对应相应的页签文件（drawing1对应sheet1），存放相应的嵌入对象（插入的图片 ，生成的图表等数据）的一些基本数据，如位置、偏移量等信息。

 

    sharedStrings文件：存放在excel中的共享数据 比如同样的一段文字在多个单元格出现，为了减少sheet文件所占大小，提取到                    sharedString文件中。同时存在富文本形式的单元格值时，相应的数据以及对应的数据段格式也会直接存储在sharedStrings文件中。

                                                                            图3、excel中 富文本形式展示

 

    styles文件：存放单元格相应的格式信息数据。

 

三、更加详细的各个xml文件解析

     具体更加详细的xml文件属性的介绍，可以到微软openxml的官方参考文档查询：

     https://docs.microsoft.com/en-us/dotnet/api/overview/openxml/?view=openxml-2.8.1

    充分利用右上方的搜索框和左侧的目录，基本所有的xml文件属性都可以找到。