用JS自制表格软件玩数据2.分析Excel的文件结构

Posted 2022-02-06 妇男主任

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了用JS自制表格软件玩数据2.分析Excel的文件结构相关的知识，希望对你有一定的参考价值。

读写Excel

Excel文档的包结构
Excel文档的组织形式
第三方库
- SheetJS

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”。

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：

Content Types
主要内容(worksheet)
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用JS自制表格软件玩数据5. 渲染出整个Excel单元格
 用JS自制表格软件玩数据5. 渲染出整个Excel单元格
 用JS自制表格软件玩数据3. 构建实时渲染器
 用JS自制表格软件玩数据3. 从零构建实时渲染器
 用JS自制表格软件玩数据10. 为表格脚本设计一个语法解析器
 用JS自制表格软件玩数据10. 为表格脚本设计一个语法解析器