如何使用 OpenXml 从 xlsx 文件中提取文本

Posted 2023-05-07

【中文标题】如何使用 OpenXml 从 xlsx 文件中提取文本

【英文标题】：How to extract text from xlsx file using OpenXml

【发布时间】：2012-09-11 18:14:29

【问题描述】：

我需要从 xlsx 文件中提取文本（放入数据库的全文索引中）。 我正在使用以下代码：

using(SpreadsheetDocument d = SpreadsheetDocument.Open(stream, false)) 
 // Load the shared strings table.
 SharedStringTablePart stringTable = 
  d.WorkbookPart.GetPartsOfType<SharedStringTablePart>()
  .FirstOrDefault();
 if(stringTable == null) System.Diagnostics.Debug.WriteLine("Null string table");
 foreach(WorksheetPart part in d.WorkbookPart.WorksheetParts) 
  foreach(SheetData sheet in part.Worksheet.Elements<SheetData>()) 
   bool added = false;
   foreach(Row r in sheet.Elements<Row>()) 
    foreach(Cell c in r.Elements<Cell>()) 
     if(c.DataType != null) 
      string v = c.CellValue.Text;
      if(v != null && c.DataType.Value == CellValues.SharedString) 
       var tableEntry = stringTable.SharedStringTable.ElementAt(int.Parse(v));
       if(tableEntry != null) 
        v = tableEntry.InnerText;
       
      
      if(v != null) 
       if(added) b.Append('\t');
       b.Append(v);
       added = true;
      
     
    
    if(added) b.AppendLine();
   
  
 

return b.ToString();

我在网上找到的示例没有提到共享字符串表 - 当我意识到没有输出字符串数据时，我发现了它。

还有其他我应该知道的问题吗？

欢迎对代码提出其他批评。

【问题讨论】：

Other criticisms on the code always welcome. 让 VS 缩进你的代码。

我做到了。然后我将标签更改为空格，以便在发布之前更容易阅读。

【参考方案1】：

从单元格中提取实际数据有一些棘手的部分。有时它存储在那里（数字、日期、内联字符串），有时它引用 SharedStringTable。我浏览了很多功能，这就是我想出的（有些是复制的，有些是我的）。

之后，您应该能够轻松地将其滑入您的代码中

foreach(r.Elements() 中的单元格 c)

喜欢这个

字符串 v = GetValueFromCell(c, d.WorkbookPart);

        /// <summary>
        /// Return si value based on xml cell id number
        /// </summary>
        /// <param name="workbookPart"></param>
        /// <param name="id"></param>
        /// <returns>SharedStringItem for interpretation</returns>
        public static SharedStringItem GetSharedStringItemById(WorkbookPart workbookPart, int id)
        
            return workbookPart.SharedStringTablePart.SharedStringTable.Elements<SharedStringItem>().ElementAt(id);
        

        /// <summary>
        /// Return value from the cell based on the cell's information (innards and/or id)
        /// </summary>
        /// <param name="cell">spreadhseet cell</param>
        /// <param name="workbookPart">work book from uploaded file</param>
        /// <returns>string value of the cell</returns>
        public static string GetValueFromCell(Cell cell, WorkbookPart workbookPart)
        
            int id;
            string cellValue = cell.InnerText;

            if (cellValue.Trim().Length > 0)
            
                if (cell.DataType != null)
                
                    switch (cell.DataType.Value)
                    
                        case CellValues.SharedString:

                            Int32.TryParse(cellValue, out id);
                            SharedStringItem item = GetSharedStringItemById(workbookPart, id);
                            if (item.Text != null)
                            
                                cellValue = item.Text.Text;
                            
                            else if (item.InnerText != null)
                            
                                cellValue = item.InnerText;
                            
                            else if (item.InnerXml != null)
                            
                                cellValue = item.InnerXml;
                            
                            break;

                        case CellValues.Boolean:
                            switch (cellValue)
                            
                                case "0":
                                    cellValue = "FALSE";
                                    break;
                                default:
                                    cellValue = "TRUE";
                                    break;
                            
                            break;
                    
                

                else
                
                    int excelDate;
                    if (Int32.TryParse(cellValue, out excelDate))
                    

                        var styleIndex = (int)cell.StyleIndex.Value;

                        var cellFormats = workbookPart.WorkbookStylesPart.Stylesheet.CellFormats;
                        var numberingFormats = workbookPart.WorkbookStylesPart.Stylesheet.NumberingFormats;
                        var cellFormat = (CellFormat)cellFormats.ElementAt(styleIndex);

                        if (cellFormat.NumberFormatId != null)
                        

                            var numberFormatId = cellFormat.NumberFormatId.Value;
                            var numberingFormat = numberingFormats.Cast<NumberingFormat>().SingleOrDefault(f => f.NumberFormatId.Value == numberFormatId);

                            if (numberingFormat != null && numberingFormat.FormatCode.Value.Contains("/yy")) //TODO here i should think of locales
                            
                                DateTime dt = DateTime.FromOADate(excelDate);
                                cellValue = dt.ToString("MM/dd/yyyy");
                            
                        
                    
                
            
            return cellValue;