Office Open XML 单元格<c>格式详解

在前一篇文章提到过用SAX解析excel文件，仅提取数据部分。SAX技术过于底层，直接读XML文件，并要求开发者对于XML的格式了如指掌。poi框架官方给的用SAX解析的demo里仅解析了字符串和数字类型的单元格，其他类型的单元格并未解析。此外，excel文件里的xml信息很多，如果开发者想解析其他的内容呢？

一、ECMA-376标准

Office 2007以后，微软公司使用Office Open XML作为office文件的技术规范。Office Open XML现已成为国际文档格式标准ECMA家族成员——ECMA-376。ECMA-376标准从2006年的第一版到现在已经发展到了第五版。ECMA-376官网给出了Office Open XML 文件格式的详细技术规范。本文主要就第五版给出的技术规范文档做些梳理和翻译。

二、excel的文件结构

excel文件其实是xml文件集合的一个zip包。把excel文件的后缀“xlsx”改成“zip”，解压后就可以看出excel的文件组织结构:

顶级的文件(比如说formula.xlsx)被叫做package(Open Packaging Conventions). 因为包(package)是被实现为一个标准ZIP包的,它自动地提供了对文档的压缩。在包中有两种内部的组件: parts和items. 总的来说,parts包括文档内容和一些含有用来描述parts的元数据的items. Items可以被进一步的细分为relationship items和content-type items.

exel文件结构的文本形式展示如下：

_rels/.rels
[Content_Types].xml
docProps/app.xml
docProps/core.xml
xl/sharedStrings.xml
xl/styles.xml
xl/workbook.xml
xl/_rels/workbook.xml.rels
xl/worksheets/sheet1.xml

zip包里有两个共享资源池类型的文件：

sharedStrings.xml ：存储的是共享字符串常量池。
styles.xml ：存储的是共享样式表。

三、单元格的格式类型

技术规范的第18.18.11章节给出了单元格类型(Cell Type)的详细说明。PS: 本文所有的测试数据均由Mac版的Excel2016 生成。Win下可能会略有差别。

1. 布尔类型

类型值为 “b”， true映射成数字1。

<c r="C1" t="b">
    <v>1</v>
</c>

2. 日期类型

类型值为“d”,日期类型的值是个浮点数，poi包有工具类将这个浮点数转成日期的工具方法。

<c r="B1" s="1">
    <v>43203.396180555559</v>
</c>

3. 错误类型

类型值为“e”,表示这个单元格包含一个错误。

<row r="1">
    <c r="A1" t="e"/>
</row>

4. 内联字符串类型

类型值为“inlineStr”,表示这个单元格的字符串并没有用共享字符串池子的值。

<c r="A2" t="inlineStr">
    <is>
        <t>SXSSFWorkbook_1_0</t>
    </is>
</c>

5. 数字类型

类型值为“n”

<c r="A1">
    <v>12</v>
</c>

6. 共享字符串类型

类型值为“s”，v节点的值可以看做一个指针，指向共享字符串池子（对应文件sharedStrings.xml ）的字符串索引。

<c r="D1" t="s">
    <v>0</v>
</c>

6. 公式类型

类型值为“str”,这个公式是对e求10次方的幂函数。

<c r="C6" s="1" vm="15" t="str">
    <f>EXP(10)</f>
    <v>22026.465794806718</v>
</c>

四、单元格c的属性分类

在sheetN.xml文件中，c节点代表一个单元格。

1. 坐标属性

属性名为“r”（Reference），属性值为该单元格在表格中的坐标位置，如“A1”， “C9”

2. 样式索引属性

属性名为“s”(Style Index)，属性值是个数字，是样式索引表（对应文件styles.xml ）的下标。

The index of this cell’s style. Style records are stored in the Styles Part.

3. 单元格数据类型属性

属性名为 “t” (Cell Data Type)，属性值代表当前单元格的类型。类型枚举前文已经详细阐述，这里不再赘述。

An enumeration representing the cell’s data type.

五、小结

有了上文的针对单元格的xml格式详解，再用SAX解析excel文件的时候，对数据类型、样式等数据的解析就不会摸不着头脑光靠猜了。