学习：WordXML格式初步分析...

学习：WordXML格式初步分析
千次阅读
2015-10-23 13:58:37
前言
Office2003以上，Word可以以XML文本格式存储，这样就可以使用外部程序创建Word文件，而不需要使用Word的对象。也能够自由的打开分析Word文件，或者发布到自己的Web页面，或者其他更多应用。

一个典型的WordXML结构可以是如下的样子：

<?xml version="1.0"?>

<w:wordDocument xmlns:w=“http://schemas.microsoft.com/office/word/2003/wordml”>
<w:body>
<w:p>
<w:r>
<w:t>Hello, World.</w:t>
</w:r>
</w:p>
</w:body>
</w:wordDocument>

可以用记事本创建一个文件，将上面的XML内容粘贴，并保存为helloworld.xml，在Office Word中打开它，就能看到如上图所示的内容。

这是最简单的WordXML内容，它包括这几部分：

XML的声明和名称空间的指明：

<?xml version="1.0"?>

<w:wordDocument xmlns:w=“http://schemas.microsoft.com/office/word/2003/wordml”>

文档内容

<w:body>…</w:body>

基本节点类型
从body内可以看出，构成实际文本内容的有3中类型节点：
<w:p> 表示一个段落

<w:r> 表示一个样式串，指明它包括的文本的显示样式

<w:t> 表示真正的文本内容

<w:sectPr> 表示图片背景信息
如果我们需要指明一个文本为粗体，需要怎么办呢？

<w:r>
<w:rPr>
<w:b w:val=“on”/>
</w:rPr>
<w:t> 2.0C</w:t>
</w:r>

<w:b w:val=”on”> 表示该格式串种的文本为粗体。

这样，我们就知道<w:r>表示一个特定的文本格式，稍微复杂点的格式：

<w:r>
<w:rPr>
<w:b w:val=“on”/>
<w:sz w:val=“40”/><w:szCs w:val=“40”/>
<w:rFonts w:ascii=“Arial” w:eastAsia=“Arial” w:hAnsi=“Arial” />
</w:rPr>
<w:t xml:space=“preserve”>2.0C</w:t>
</w:r>

字体为粗体，尺寸为是40除2等于20相当于几号字体？，字体名称“Arial”

<w:t xml:space=“preserve”> 2.0C</w:t>

中的xml:space="preserve"从字面上理解是保持空格。

如果没有这内容的话文本的前后空格将会被Word忽略。

如果我们需要指定一个段的对齐方式，行距要怎么办呢？

这就要设置<w:p>的属性了。类似于这样：

<w:p>
<w:pPr>
<w:jc w:val=“right”/>
<w:spacing w:line=“600” w:lineRule=“auto”/>
</w:pPr>

…

</w:p>

对齐方向：<w:jc w:val=”right”/> 这儿是右对齐。

行距:<w:spacing w:line=”600” w:lineRule=“auto”/> 600是用行距的倍数乘240得出，如果是两倍行距，则是480。这儿应该是2.5倍行距。

由此可见，组装一个WordXML格式的文件是一件比较简单的事情。

将段属性包含在<w:pPr></w:pPr>中

将文本格式包含在<w:rPr></w:rPr>中

这儿的Pr是property的意思，表示这个块中是r(run)或p(paragraph)的格式设置。

一个WordXML的文件结束了吗？可以这样讲，但如果你双击刚才创建的XML文件，有很大机会不会由Word来打开它。

这是为什么呢？

我们还需要在合适的地方放置一条语句：

<?xml version="1.0"?>

<?mso-application progid="Word.Document"?>
<w:wordDocument

用来指明这个xml文件的对应处理程序，对应注册表中的键值：

HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Office\11.0\Common\Filter\text/xml

但是，加入这一条语句后，双击打开时，Word将会提示XML的格式不正确，虽然能打开。那是因为还有许多的内容没有声明。我们就先不加这条语句。

动态内容配置
<w:p wsp:rsidR=“004E13F1”
wsp:rsidRDefault=“004E13F1” wsp:rsidP=“00445D85”><w:pPr><w:ind
w:right-chars=“-203” w:right=“-426” w:first-line-chars=“600”
w:first-line=“1920” /><w:rPr><w:rFonts w:ascii=“微软雅黑”
w:fareast=“微软雅黑” w:h-ansi=“微软雅黑” /><wx:font wx:val=“微软雅黑” /><w:b /><w:sz
w:val=“32” /><w:sz-cs w:val=“32” /></w:rPr></w:pPr><w:r
wsp:rsidRPr=“000C7604”><w:rPr><w:rFonts w:ascii=“微软雅黑” w:fareast=“微软雅黑”
w:h-ansi=“微软雅黑” w:hint=“fareast” /><wx:font wx:val=“微软雅黑” /><w:b /><w:sz
w:val=“32” /><w:sz-cs w:val=“32” /></w:rPr><w:t><#if emailTitle??>${emailTitle}</#if></w:t></w:r><w:r
wsp:rsidRPr=“000C7604”><w:rPr><w:rFonts w:ascii=“微软雅黑” w:fareast=“微软雅黑”
w:h-ansi=“微软雅黑” w:hint=“fareast” /><wx:font wx:val=“微软雅黑” /><w:b /><w:sz
w:val=“32” /><w:sz-cs w:val=“32” /></w:rPr><w:t>邮件回访问卷</w:t></w:r></w:p>
其中<#if emailTitle??> …</#if>是非空判断。

KaTeX parse error: Expected 'EOF', got '#' at position 20: …ilTitle}是取变量值 <#̲list contentLis…{content}</#if></w:t></w:r></w:p>
</#list>

其中<#list contentList as content>…</#list>是列表循环

页面设置
下面内容设置了页的宽，高，和页的各边距。各项的值均是英寸乘1440得出：

<w:body>…
<w:sectPr>
<w:pgSz w:w=“12240” w:h=“15840”/>
<w:pgMar w:top=“1440” w:right=“1800” w:bottom=“1440” w:left=“1800” w:header=“720” w:footer=“720” w:gutter=“0”/>
</w:sectPr>

</w:body>

下面内容设置了页的页眉页脚：

w:sectPr wsp:rsidR=“002C452C”>
<w:hdr w:type=“odd” >
<w:p>
<w:pPr>
<w:pStyle w:val=“Header”/>
</w:pPr>
<w:r>
<w:t>My Header</w:t>
</w:r>
</w:p>
</w:hdr>
<w:ftr w:type=“odd”>
<w:p>
<w:pPr>
<w:pStyle w:val=“Footer”/>
</w:pPr>
<w:r>
<w:t>My Footer</w:t>
</w:r>
</w:p>
</w:ftr>

</w:sectPr>
</w:body>

这两段都很直白，就不需要解释了。

文档设置
</w:body>

<w:docPr>
<w:view w:val=“print”/><w:zoom w:percent=“100”/>
</w:docPr>

</w:wordDocument>

docPr，就是document property的意思了。

表示文档的视图是“print”，视图比例100%

完整的XML文件实例

<?xml version="1.0" encoding="UTF-8" standalone="yes"?> <?mso-application progid="Word.Document"?>

<w:wordDocument xmlns:aml=“http://schemas.microsoft.com/aml/2001/core”
xmlns:dt=“uuid:C2F41010-65B3-11d1-A29F-00AA00C14882”
xmlns:o=“urn:schemas-microsoft-com🏢office”
xmlns:v=“urn:schemas-microsoft-com:vml”
xmlns:w10=“urn:schemas-microsoft-com🏢word”
xmlns:w=“http://schemas.microsoft.com/office/word/2003/wordml”
xmlns:wx=“http://schemas.microsoft.com/office/word/2003/auxHint”
xmlns:wsp=“http://schemas.microsoft.com/office/word/2003/wordml/sp2”
xmlns:sl=“http://schemas.microsoft.com/schemaLibrary/2003/core”
w:macrosPresent=“no” w:embeddedObjPresent=“no” w:ocxPresent=“no”
xml:space=“preserve”>

<w:body>
<w:p>
<w:pPr>
<w:jc w:val=“left”/>
<w:spacing w:line=“240” w:lineRule=“auto”/>
</w:pPr>
<w:r>
<w:rPr>
<w:sz w:val=“24”/><w:szCs w:val=“24”/>
<w:rFonts w:ascii=“Arial” w:eastAsia=“Arial” w:hAnsi=“Arial” />
</w:rPr>
<w:t>Niu don’t like Red or Blue! It seems that </w:t>
</w:r>
<w:r>
<w:rPr>
<w:sz w:val=“48”/><w:szCs w:val=“48”/>
<w:rFonts w:ascii=“Arial” w:eastAsia=“Arial” w:hAnsi=“Arial” />
</w:rPr>
<w:t>Hello world!</w:t>
</w:r>
</w:p>
<w:p>

<w:sectPr wsp:rsidR=“002C452C”>
<w:pgSz w:w=“12240” w:h=“15840”/>
<w:pgMar w:top=“1526.4” w:right=“3254.4” w:bottom=“2966.4” w:left=“1670.4” w:header=“720” w:footer=“720” w:gutter=“0”/>
<w:hdr w:type=“odd” >
<w:p>
<w:pPr>
<w:pStyle w:val=“Header”/>
</w:pPr>
<w:r>
<w:t>Header</w:t>
</w:r>
</w:p>
</w:hdr>
<w:ftr w:type=“odd”>
<w:p>
<w:pPr>
<w:pStyle w:val=“Footer”/>
</w:pPr>
<w:r>
<w:t>Footer</w:t>
</w:r>
</w:p>
</w:ftr>
</w:sectPr>
</w:body>

<w:docPr>
<w:view w:val=“print”/><w:zoom w:percent=“100”/>
</w:docPr>
</w:wordDocument>

这样，一个基本的WordXML就创建完成，当然，一个应用级别的Word文档绝对不仅这些内容，更详细的内容需要参考MS Office SDK。