xlsx/pptx/docx文件数据格式解析-帮你搞懂数据到底存在哪

A Student

已于 2023-06-09 16:42:59 修改

阅读量1.5k

点赞数 3

分类专栏： UOffice 文章标签： excel java xml

于 2023-04-26 23:07:11 首次发布

本文链接：https://blog.csdn.net/weixin_43143224/article/details/130395503

版权

本文介绍了ooxml格式的.xlsx、.docx、.pptx文件解析，这些文件实际上是压缩后的XML格式。主要内容包括：xl/sharedStrings.xml用于存储单元格文本，xl/styles.xml保存单元格格式信息，xl/worksheets/sheet1.xml包含每个单元格的详细数据。文章还提及UOffice项目，这是一个解决Office文件问题的开源项目，将公开在GitHub上，期待社区共同完善。

摘要由CSDN通过智能技术生成

序言

在开发过程中经常遇到office文件相关的问题，比如将数据导出成Excel、自动生成报表、自动生成填充合同模板、转pdf等。UOffice是一个为解决这类Office文件问题的项目，里面记录了到目前为止，笔者遇到的相关问题的解决方案。笔者希望UOffice能称为一个完善的集合，但是靠一个人很难做到完善，所以这个项目后续会公开到github上，希望能为大家提供便利，也希望大家共同完善功能，使之更加健壮。

（.xlsx、.docx、.pptx）文件解析

.xlsx、.docx、.pptx是ooxml格式的office文件，简单了来说就是（压缩+xml）的格式。也就说你可以用压缩工具（比如7zip）将一个xlsx(或docx、pptx)文件解压。以xlsx为例，其他文件格式类似。
xlsx文件
xlsx内容

xlsx解压完后
下面详细介绍下主要的几个部分的作用。

xl/sharedStrings.xml

此文件主要保本excel中各个单元格文本的内容。

<sst xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" count="2" uniqueCount="2">
<si>
<t>我是</t>
<phoneticPr fontId="1" type="noConversion"/>
</si>
<si>
<t>Uoffice</t>
<phoneticPr fontId="1" type="noConversion"/>
</si>
</sst>

其中内容是去重的，相同的内容只能存一份。count代表总数，uniqueCount是去重后的数量。

xl/styles.xml

此文件主要存单元格的格式信息

<styleSheet xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006" xmlns:x14ac="http://schemas.microsoft.com/office/spreadsheetml/2009/9/ac" mc:Ignorable="x14ac">
<fonts count="2" x14ac:knownFonts="1">
<font>
<sz val="11"/>
<color theme="1"/>
<name val="宋体"/>
<charset val="134"/>
<scheme val="minor"/>
</font>
<font>
<sz val="9"/>
<name val="宋体"/>
<charset val="134"/>
<scheme val="minor"</