动态创建的 Word 文档中缺少打开的 XML 部分

Posted 2023-02-24

【中文标题】动态创建的 Word 文档中缺少打开的 XML 部分

【英文标题】：Open XML parts are missing in dynamically created Word document

【发布时间】：2019-12-02 17:51:39

【问题描述】：

我正在使用 Open XML SDK 在 C# 中创建 WordprocessingDocuments，然后将它们转换为 pdf。最初，我使用 Interop 将文档保存为 PDF 格式，但现在这不是一个选项。我发现 LibreOffice 可以转换从 cmd 调用 soffice.exe 的文档，并且我对普通文档有很好的效果。然而，当我用我的动态文档测试 LibreOffice 转换器时，转换器崩溃了。

我复制了其中一个文档并用 LibreOffice Writer 打开它，它的结构错误，然后我用 Microsoft Word 打开同一个文档，它的结构很好。最后，我用 Microsoft Word 保存它，并将两个文档都打开为 ZIP 文件，如下所示：

这个不错：

这是一个坏的：

我注意到，当我将文档保存在 Microsoft Word 中时，会出现这些 Open XML 部分（我在此问题的早期版本中将其称为“文件”）。当我在 LibreOffice 中打开之前使用 Microsoft Word 保存的文档时，该文档又正常了。

那么，有没有办法在不打开 Microsoft Word 的情况下生成这些 Open XML 部分（在 Word 文档中）？

我使用以下代码（检查它是否正在创建所有文件）：

        using (MemoryStream mem = new MemoryStream())
        
            // Create Document
            using (WordprocessingDocument wordDocument =
                WordprocessingDocument.Create(mem, WordprocessingDocumentType.Document, true))
            
                // Add a main document part. 
                MainDocumentPart mainPart = wordDocument.AddMainDocumentPart();

                // Create the document structure and add some text.
                mainPart.Document = new Document();
                Body docBody = new Body();

                // Add your docx content here
                CreateParagraph(docBody);
                CreateStyledParagraph(docBody);
                CreateTable(docBody);
                CreateList(docBody);

                Paragraph pImg = new Paragraph();
                ImagePart imagePart = mainPart.AddImagePart(ImagePartType.Jpeg);
                string imgPath = "https://cdn.pixabay.com/photo/2019/11/15/05/23/dog-4627679_960_720.png";
                HttpWebRequest req = (HttpWebRequest)WebRequest.Create(imgPath);
                req.UseDefaultCredentials = true;
                req.PreAuthenticate = true;
                req.Credentials = CredentialCache.DefaultCredentials;
                HttpWebResponse resp = (HttpWebResponse)req.GetResponse();
                imagePart.FeedData(resp.GetResponseStream());

                // 1500000 and 1092000 are img width and height
                Run rImg = new Run(DrawingManager(mainPart.GetIdOfPart(imagePart), "PictureName", 1500000, 1092000, string.Empty));
                pImg.Append(rImg);
                docBody.Append(pImg);

                Paragraph pLink = new Paragraph();
                // For the mainpart see above
                pLink.Append(HyperLinkManager("http://YourLink", "My awesome link", mainPart));
                docBody.Append(pLink);

                mainPart.Document.Append(docBody);
                mainPart.Document.Save();
                wordDocument.Close();
            

            result = Convert.ToBase64String(mem.ToArray());
        

上面的代码创建了一个名为 Result.docx 的 Word 文档，其结构如下：

但没有任何其他 Open XML 部分（如 app.xml 或 styles.xml）

【问题讨论】：

这个问题与编程无关，因此不适合在这里提问。您正在寻找 Super User。

由于这些是 docx，Word 的本机文件格式，Word 旨在能够处理“基本”并补充缺少的内容。 可能有另一个软件，可以以类似的方式处理丢失的内容，我不知道。但是，要么您需要编写一个程序来满足您的需求（例如，使用 Open XML SDK），要么找到这样的软件（这个问题在 Stack Overflow 上是题外话），要么在 Word 中打开“部分”文档。如果您有权访问本地 SharePoint，Word Automation Services 应该能够处理它，以及转换为 PDF。

您能否分享一个最小可复制示例来说明您如何创建这些 Word 文档？听起来您创建的 Open XML 标记存在问题。 Word 可能比 LibreOffice 更宽容。此外，Word 将在保存文档时生成自己的 Open XML 标记，并且 Word 创建的标记将包含您最初未创建的部分（例如，app.xml、core.xml、styles.xml）。

刚刚添加了示例代码及其结果。请检查它：D

@LuisBarajas，我编辑了您的问题以改进术语，例如，因为您的“文件”实际上是“部分”。根据您的示例代码和您的 Word 文档的包内容，我提供了答案。

【参考方案1】：

您需要在以下方面有所不同：

Open XML 标准及其对WordprocessingDocument 的最低要求和 由 Microsoft Word 或其他应用程序创建的“最小”文档。

按照标准，最小的WordprocessingDocument只需要一个主文档部分（MainDocumentPart，document.xml），内容如下：

<w:document xmlns:w="...">
  <w:body>
    <w:p />
  </w:body>
</w:document>

仅当您具有样式或编号时才需要其他部分，例如 StyleDefinitionsPart (styles.xml) 或 NumberingDefintionsPart (numbering.xml)，在这种情况下，您必须在代码中明确创建它们。

接下来，查看您的示例代码，您似乎正在创建：

引用样式的段落（参见CreateStyledParagraph(docBody)），必须在StyleDefinitionsPart（styles.xml）中定义；和 编号列表（例如CreateList(docBody)），必须在NumberingDefinitionsPart (numbering.xml) 中定义。

但是，您的代码既没有创建 StyleDefinitionsPart 也没有创​​建 NumberingDefintionsPart，这意味着您的文档可能不是有效的 Open XML 文档。

现在，Word 非常宽容，可以默默地修复各种问题，忽略部分 Open XML 标记（例如，您可能已分配给段落的样式）。

相比之下，根据 LibreOffice 的容错程度，无效的 Open XML 标记可能会导致崩溃。例如，如果 LibreOffice 在您的 w:document 中找到类似 <w:pStyle w:val="MyStyleName" /> 的元素时只是假设存在 StyleDefinitionsPart，然后在请求 StyleDefinitionsPart 时不检查它是否获得 null 引用，它可以崩溃。

最后，要向 Word 文档添加部分，您可以使用 Open XML SDK，如下所示：

[Fact]
public void CanAddParts()

    const string path = "Document.docx";
    const WordprocessingDocumentType type = WordprocessingDocumentType.Document;

    using WordprocessingDocument wordDocument = WordprocessingDocument.Create(path, type);

    // Create minimum main document part.
    MainDocumentPart mainDocumentPart = wordDocument.AddMainDocumentPart();
    mainDocumentPart.Document = new Document(new Body(new Paragraph()));

    // Create empty style definitions part.
    var styleDefinitionsPart = mainDocumentPart.AddNewPart<StyleDefinitionsPart>();
    styleDefinitionsPart.Styles = new Styles();

    // Create empty numbering definitions part.
    var numberingDefinitionsPart = mainDocumentPart.AddNewPart<NumberingDefinitionsPart>();
    numberingDefinitionsPart.Numbering = new Numbering();

【讨论】：

感谢您的回答和解释，我已经尝试过了，它可以工作:) 动态文档现在很好：D