【用JS自制表格软件玩数据】2.分析Excel的文件结构

编程语言 2022-01-17 07:15:46 阅读次数: 0

读写Excel

Office Open XML，也称为OpenXML或OOXML，是用于办公室文档的基于XML的格式，包括文字处理文档，电子表格，演示文稿以及图表，图表，形状和其他图形材料。

该部分取自知乎 1，并且根据实际需求做了一些改动。

Excel文档的包结构

OOXML 2是基于XML的文档格式标准，但是我们都知道，Excel文件是以xlsx为后缀的单个文件。

SpreadsheetML或.xlsx文件是一个zip文件（一个包(package)），其中包含许多“组件”（通常是UTF-8或UTF-16编码）或XML文件。这个包可能包含图片等其他媒体文件。这个结构根据OOXML标准ECMA-376第2部分中概述的开放包装约定(Open Packaging Conventions)进行组织。 你可以通过简单地解压缩.xlsx文件来查看文件结构和组成SpreadsheetML文件的文件。

简单来说，一个Excel文档就是一个zip压缩文件，我们称呼一个Excel文档为一个"包"(package)，包里面不同的XML文件，我们通常称呼为“组件”。
这里是我新建了一个xlsx文件，再用解压缩软件打开

下面提供了一个Excel 的文件供大家参考。解压之后我们能够看到类似下面的目录结构，这就是我们Excel文件的目录构成了。

├── [Content_Types].xml (组件描述文件)
├── _rels (包的关联组件)
├── docProps (文档的属性)
│   ├── app.xml
│   ├── core.xml
│   └── custom.xml
└── xl 
    ├── _rels (工作簿组件的关联组件)
    │   └── workbook.xml.rels
    ├── charts (图表组件的目录)
    │   ├── _rels (图表组件的关联组件目录)
    │   │   ├── chart1.xml.rels (图表组件的关联组件)
    │   │   └── chart2.xml.rels
    │   ├── chart1.xml (表格组件)
    │   ├── chart2.xml (表格组件)
    │   ├── colors1.xml (颜色组件)
    │   ├── colors2.xml (颜色组件)
    │   ├── style1.xml (样式组件)
    │   └── style2.xml (样式组件)
    ├── drawings (绘图组件的目录)
    │   ├── _rels (绘图组件的关联组件目录)
    │   │   └── drawing1.xml.rels (绘图组件的关联组件)
    │   └── drawing1.xml
    ├── media (多媒体文件目录)
    │   └── image1.png
    ├── sharedStrings.xml (共享字符串组件)
    ├── styles.xml (样式组件)
    ├── tables (表格组件的目录)
    │   └── table1.xml (表格组件)
    ├── theme (主题组件的目录)
    │   └── theme1.xml (主题组件)
    ├── workbook.xml (工作簿组件)
    └── worksheets (工作表组件的目录)
        ├── _rels (工作表组件的关联组件目录)
        │   └── sheet1.xml.rels (工作表组件的关联组件)
        └── sheet1.xml (工作表组件)

Excel文档的组织形式

Excel文档的包中包含了很多组件，最重要的可以分成：

  1. Content Types
  2. 主要内容(worksheet)
  3. 关联(Relationships)

基本上理解了这三个东西，你就能明白了Excel包中的文件，是怎么组织起来，最后成为我们最后能看到的复杂Excel样式了。

Content Types

每个包都必须在其根目录下有一个 [Content_Types] .xml 文件。该文件包含了包中组件的所有内容类型的列表。每个组件及其类型都必须在[Content_Types] .xml中列出。 以下是主要内容部分的内容类型。
在向包中添加新组件时，请一定记得这里，很重要。

下面是示例Excel文件中的 [Content_Types] .xml ，ContentType描述了各个组件的文档类型，PartName描述了组件在包内的名称(对于部分组件来说，也是XML文件的路径)：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types">
    <Default Extension="png" ContentType="image/png" />
    <Default Extension="rels" ContentType="application/vnd.openxmlformats-package.relationships+xml" />
    <Default Extension="xml" ContentType="application/xml" />
    <Override PartName="/docProps/app.xml" ContentType="application/vnd.openxmlformats-officedocument.extended-properties+xml" />
    <Override PartName="/docProps/core.xml" ContentType="application/vnd.openxmlformats-package.core-properties+xml" />
    <Override PartName="/docProps/custom.xml" ContentType="application/vnd.openxmlformats-officedocument.custom-properties+xml" />
    <Override PartName="/xl/charts/chart1.xml" ContentType="application/vnd.openxmlformats-officedocument.drawingml.chart+xml" />
    <Override PartName="/xl/charts/chart2.xml" ContentType="application/vnd.openxmlformats-officedocument.drawingml.chart+xml" />
    <Override PartName="/xl/charts/colors1.xml" ContentType="application/vnd.ms-office.chartcolorstyle+xml" />
    <Override PartName="/xl/charts/colors2.xml" ContentType="application/vnd.ms-office.chartcolorstyle+xml" />
    <Override PartName="/xl/charts/style1.xml" ContentType="application/vnd.ms-office.chartstyle+xml" />
    <Override PartName="/xl/charts/style2.xml" ContentType="application/vnd.ms-office.chartstyle+xml" />
    <Override PartName="/xl/drawings/drawing1.xml" ContentType="application/vnd.openxmlformats-officedocument.drawing+xml" />
    <Override PartName="/xl/sharedStrings.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.sharedStrings+xml" />
    <Override PartName="/xl/styles.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.styles+xml" />
    <Override PartName="/xl/tables/table1.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.table+xml" />
    <Override PartName="/xl/theme/theme1.xml" ContentType="application/vnd.openxmlformats-officedocument.theme+xml" />
    <Override PartName="/xl/workbook.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet.main+xml" />
    <Override PartName="/xl/worksheets/sheet1.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.worksheet+xml" />
</Types>

主要内容(worksheet)

SpreadsheetML文档是一个包含许多不同组件（主要是XML文件）的包。 但是，大多数实际的内容都在一个或多个工作表(worksheet)组件（每个工作表(worksheet)一个）和一个共享字符串(sharedStrings)组件。 以Microsoft Excel为例，其内容位于xl文件夹中，而工作表(worksheet)位于worksheet子文件夹中。
工作簿(workbook)组件不包含实际内容，而仅包含电子表格的某些属性，并引用了一个个包含数据的工作表(worksheet)组件。 一个工作表组件可以是一个表格(grid)，图表(chart)或者对话框表(dialog sheet)。

工作表(worksheet)组件内容(xl/worksheets/sheet1.xml):

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<worksheet xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main"
           xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships"
           xmlns:xdr="http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing"
           xmlns:x14="http://schemas.microsoft.com/office/spreadsheetml/2009/9/main"
           xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006">
    <sheetPr/>
    <dimension ref="A1:F13"/> <!-- 表格的范围 -->
    <sheetViews>
        <sheetView tabSelected="1" workbookViewId="0">
            <selection activeCell="C14" sqref="C14"/> <!-- activeCell的位置 -->
        </sheetView>
    </sheetViews>
        <!-- 表格的默认cell配置 -->
    <sheetFormatPr defaultColWidth="9" defaultRowHeight="14" outlineLevelCol="5"/>
    <cols> <!-- 列属性 -->
        <col min="1" max="1" width="4.5625" customWidth="1"/>
        <col min="2" max="2" width="10.9296875" customWidth="1"/>
        <col min="3" max="3" width="10.546875" customWidth="1"/>
        <col min="4" max="4" width="11.71875" customWidth="1"/>
        <col min="6" max="6" width="4.5546875" customWidth="1"/>
    </cols>
    <sheetData>
        <row r="1" ht="40" customHeight="1" spans="1:6">
        <!-- r:行号, ht:行高(单位pt), customHeight:是否自定义行高, span:跨度, s:样式(style)索引, customFormat:是否行自定义格式 -->
            <c r="A1" s="2" t="s">
            <!-- r:单元格编号, s:样式(style)索引, t:单元格类型 -->
                <v>0</v><!-- 字符串在共享字符串组件中的索引 -->
            </c>
            <c r="B1" s="3"/>
            <c r="C1" s="3"/>
            <c r="D1" s="3"/>
            <c r="E1" s="3"/>
            <c r="F1" s="3"/>
        </row>
        <row r="2" s="1" customFormat="1" ht="22" customHeight="1" spans="1:6">
            <c r="A2" s="4" t="s">
                <v>1</v>
            </c>
            <c r="B2" s="4" t="s">
                <v>2</v>
            </c>
            <c r="C2" s="4" t="s">
                <v>3</v>
            </c>
            <c r="D2" s="4" t="s">
                <v>4</v>
            </c>
            <c r="E2" s="9" t="s">
                <v>5</v>
            </c>
            <c r="F2" s="9"/>
        </row>
......
    </sheetData>
    <mergeCells count="9">
        <mergeCell ref="A1:F1"/>
        <mergeCell ref="E2:F2"/>
......
    </mergeCells>
    <pageMargins left="0.75" right="0.75" top="1" bottom="1" header="0.511805555555556" footer="0.511805555555556"/>
    <!-- 页面边距配置，单位英寸(in) -->
    <headerFooter/>
    <drawing r:id="rId1"/>
    <!-- 图表和多媒体的显示，都通过引用绘图(drawing)组件来实现 -->
    <tableParts count="1">
        <tablePart r:id="rId2"/>
        <!-- 表格(table)组件：用于查找特定的表定义组件 -->
    </tableParts>
</worksheet>

因为太长，只截取部分共享字符串(sharedStrings)组件内容（xl/sharedStrings.xml）：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<sst xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" count="36" uniqueCount="36">
    <si>
        <t>Ttitle</t>
    </si>
    <si>
        <t>A1</t>
    </si>
    <si>
        <t>B1</t>
    </si>
......
</sst>

而这些工作表(worksheet)本身只存储工作表自身行列的属性和数据，其他与工作表相关的内容，它会通过引用其他类型的组件来实现，比如Excel图表，多媒体文件等等，这些要通过关联(Relationships)组件，读取对应的数据。接下来我们来说说关联。

关联(Relationships)

每个包都包含一个关联(Relationships)组件，该关联部件定义了其他组件之间以及与包外部资源之间的关联。这样可以将关系与内容分开，并且可以轻松更改关联，而无需更改引用目标的来源。

OOXML使用这种组织的方式，可以将组件和组件之间解耦，而在实现读写逻辑时，我们可以从中获取极大的便利。比如我们需要修改某个Excel组件时，可以不修改引用他的组件，只需要修改这个组件本身，而不是组件包含在整个XML文件中，然后修改整个XML文件。比如我们只需要读取工作表数据时，可以不读其他组件的XML数据，提高程序效率。

我们在好几个包(package)下都能看到一个 _rels 目录，这个目录就是Excel文档的关联组件了，一般这个关联组件的目录下会有一个或多个 .rels 后缀的文件，文件基于XML格式描述资源之间的关系。组件之间使用关联将Excel文档组织起来。

以示例文件举例 xl/_rels 下的 workbook.xml.rels :

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships">
    <Relationship Id="rId4" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/sharedStrings"
                  Target="sharedStrings.xml"/>
    <Relationship Id="rId3" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/styles"
                  Target="styles.xml"/>
    <Relationship Id="rId2" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/theme"
                  Target="theme/theme1.xml"/>
    <Relationship Id="rId1" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/worksheet"
                  Target="worksheets/sheet1.xml"/>
</Relationships>

文件里面，我们看到了关联的资源ID(Id)和资源路径(Target)的对应，以及关联的类型(Type)。

然后我们看看工作簿(xl/workbook.xml)的内容：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<workbook xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main"
          xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships">
    <fileVersion appName="xl" lastEdited="3" lowestEdited="5" rupBuild="9302"/>
    <workbookPr/>
    <bookViews>
        <workbookView windowWidth="21500" windowHeight="13180"/>
    </bookViews>
    <sheets>
        <sheet name="Sheet1" sheetId="1" r:id="rId1"/>
    </sheets>
    <calcPr calcId="144525" concurrentCalc="0"/>
</workbook>

工作簿(workbook)怎么通过工作簿的关联组件(xl/_rel/workbook.xml.rels)来获取需要的工作表(sheet)组件？看关联组件的数据，我们发现，只需要找到关联ID为rId1的sheet组件的路径(Target)，然后再读取路径下的文件，工作簿就能获取到对应工作表组件的数据。

我们截取工作表组件(xl/worksheets/sheet1.xml)的部分xml内容，来看工作表又是怎么通过关联来进一步描述工作表的内容：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<worksheet xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main"
           xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships"
           xmlns:xdr="http://schemas.openxmlformats.org/drawingml/2006/spreadsheetDrawing"
           xmlns:x14="http://schemas.microsoft.com/office/spreadsheetml/2009/9/main"
           xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006">
......
    <drawing r:id="rId1"/>
    <!-- 图表和多媒体的显示，都通过引用绘图(drawing)组件来实现 -->
    <tableParts count="1">
        <tablePart r:id="rId2"/>
        <!-- 表格(table)组件：用于查找特定的表定义组件 -->
    </tableParts>
</worksheet>

XML文件中drawing和tablePart的 r:Id 属性，告诉我们，这里工作表组件需要从关联组件中寻找绘图组件和表格组件。然后我们继续看工作表组件的关联组件 (xl/worksheet/_rel/sheet1.xml.rels)：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships">
    <Relationship Id="rId2" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/table" Target="../tables/table1.xml" />
    <Relationship Id="rId1" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/drawing" Target="../drawings/drawing1.xml" />
</Relationships>

我们发现，工作表只要通过自己的关联组件，就能找到需要的其他组件了。

我们使用 Content Type 文件登记Excel文档的组件信息，然后通过关联组件，将工作簿组件，工作表组件和绘图、表格等其他组件组合在一起，最终将Excel文档组织起来。

第三方库

SheetJS

SheetJS3是用于多种电子表格格式的解析器和编写器。通过官方规范、相关文档以及测试文件实现简洁的JS方法。SheetJS强调解析和编写的稳健，其跨格式的特点和统一的JS规范兼容，并且ES3/ES5浏览器向后兼容IE6。

链接: https://github.com/SheetJS/sheetjs3

工作原理介绍

在SheetJS之前，处理电子表格文件的接口只能用于特定的格式。许多第三方库要么支持一种格式，要么为每一种支持的文件类型提供一个不同的类集。虽然在Excel 2007里面引入了XLSB，但只有Sheet和Excel支持这种格式。
为了提高不可知格式的显示，js-xlsx使用了被称作[“Common Spreadsheet Format”]的纯JS的显示方法(#common-spreadsheet-format)。强调一种统一的显示方式，能够有一些特点，比如格式转换和嵌套class tap。通过提取出各种格式的复杂性，工具没有必要担心特定的文件类型。

一个简单的的对象显示和细心的代码练习相结合，能让示例运行在较老的浏览器以及像ExtendScript和Web Workers这样可选择的环境里执行。虽然很想使用最新的和最好的特性，不过这些特性需要最新的浏览器，用以限制兼容性。

工具函数捕获通用的使用例子，比如生成JS对象或HTML。大多数简单例子的操作只要几行代码。大多数复杂的普遍的复杂操作应该直截了当的生成。

在Excel 2007种，Excel添加XSLX格式作为默认的起始端。然而，有一些其他格式会更多的出现上述的属性。例如，XLSB格式XLSX格式相似，不过文件会使用一半的空间，而且也会更开的打开文件。虽然XLSX编写器可以使用，但是其他格式的编写器也可以使用，因此使用者能够充分利用每一种格式独特的特点。社区版本的主要关注点在正确的数据转换，即从任意一个兼容的数据表示中提取数据，导出适用于任意第三方接口的各种数据格式。

1.github安装方式

git clone https://github.com/SheetJS/sheetjs.git

2.NPM的安装方式

npm install xlsx

3.bower的安装方式

bower install js-xlsx

如何使用

这里有完整的使用方法可以参考一下：https://github.com/rockboom/SheetJS-docs-zh-CN

  1. 知乎：https://zhuanlan.zhihu.com/p/386085542 ↩︎

  2. OOXML是基于XML的文档格式标准： http://officeopenxml.com/anatomyofOOXML-xlsx.php ↩︎

  3. 第三方库：https://github.com/SheetJS/sheetjs ↩︎ ↩︎

猜你喜欢

转载自blog.csdn.net/weixin_46596227/article/details/122475546
今日推荐
《美国对全球网络空间安全与发展的威胁和破坏》报告发布
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
周排行
让自己的头脑极度开放
CentOS 6.5(x64) 和Redhat6.5操作系误删libc
高可用注册中心
【日记】12.28/【题解】AtCoder AGC041
XML（5）_XML 约束_DTD
Java集合Map（四）
树梅派安装桌面环境教程
pipenv 的 使用和安装
小程序白屏问题和内存研究
C语言简单选择排序
每日归档
更多
2024-05-02(0)
2024-05-01(4)
2024-04-30(1)
2024-04-29(40)
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022