dotnet OpenXML 解析 PPT 图表 面积图入门

  • dotnet OpenXML 解析 PPT 图表 面积图入门已关闭评论
  • 13 次浏览
  • A+
所属分类:.NET技术
摘要

本文告诉大家如何使用 OpenXML 解析 PPT 的图表,以面积图为入门例子告诉大家 OpenXML 的存储

本文告诉大家如何使用 OpenXML 解析 PPT 的图表,以面积图为入门例子告诉大家 OpenXML 的存储

在 PPT 里面,有强大的图表功能,可以联动 Excel 展示数据。在 PPT 里面的图表和 Excel 的图表稍微有一些差别,本文只聊 PPT 的图表

如下图是本文将作为例子的图表

dotnet OpenXML 解析 PPT 图表 面积图入门

对应的数据如图

dotnet OpenXML 解析 PPT 图表 面积图入门

如上图可以看到在 PPT 里面的图表是可以使用 Excel 的数据,将 Excel 文件内嵌到 PPT 里面。但这不代表要解析图表的数据就一定需要先了解 Excel 的内容,本文将绕过对 Excel 的任何读取,通过 PPT 里面的内容拿到图表的数据

图表的组成

开始之前,还请先让我告诉大家一个图表元素包含的基础组件部分,也就是图表元素由哪些部分组成

横坐标轴 类别坐标轴数据

对于面积图来说,默认的面积图的横坐标就是类别的坐标轴数据,对应的 Excel 表格的第一列的内容,也就是 A B C D E 这些数据

dotnet OpenXML 解析 PPT 图表 面积图入门

在 OpenXML SDK 里面,采用 DocumentFormat.OpenXml.Drawing.Charts.CategoryAxisData 存放

本文以下将会告诉大家获取方法,这里只是写上类型,方便大家了解

纵坐标轴

对于默认面积图来说,纵坐标属于一个运行时属性,不会存放在 OpenXML 文档里面,需要根据每个系列的数值的最大值和最小值以及配置,计算出来纵坐标的内容,本文不会涉及具体的坐标轴计算方法

dotnet OpenXML 解析 PPT 图表 面积图入门

数据系列

在图表里面有数据系列的概念,每个系列的数据组成一个个的数据系列。对于大部分图表来说,数据层都是由一个个数据系列组成的

每个数据系列可以有自己的系列名称

dotnet OpenXML 解析 PPT 图表 面积图入门

系列名称大部分时候都放在图例里面,也就是图例里面的内容就是由系列名称提供的

在 OpenXML SDK 里面,采用 DocumentFormat.OpenXml.Drawing.Charts.SeriesText 存放

在图表里面,核心就是对数据的处理,系列的数据内容就是核心的

dotnet OpenXML 解析 PPT 图表 面积图入门

如图,面积图有两个数据系列,通过上面的 Excel 内容可以了解到两个系列的数据分别如下

系列 1:32,32,28,12,15 系列 2:12,12,12,21,28 

本文将重点告诉大家如何解析图表的数据

效果

以下是本文的解析效果,可以解析出来图表的类别坐标轴数据,和各个系列的系列名称和系列数据

dotnet OpenXML 解析 PPT 图表 面积图入门

下面将告诉大家如何根据 OpenXML SDK 提供的方法读取到图表的内容

读取图表

在开始之前,还请大家先了解 OpenXml 读取 PPT 的基础。本文将在 C# dotnet 使用 OpenXml 解析 PPT 文件 的基础上进行开发

先读取 PPT 文档

            var file = new FileInfo("Test.pptx");              using var presentationDocument = PresentationDocument.Open(file.FullName, false); 

本文的测试文件和所有代码都可以在本文最后获取

在这份 Test.pptx 的图表是放在第一个页面,先获取页面,通过页面的元素获取到图表

            var slide = presentationDocument.PresentationPart!.SlideParts.First().Slide; 

在 OpenXML 里面的页面存放的图表的代码如下

 <p:cSld>    <p:spTree>      <p:graphicFrame>        ...      </p:graphicFrame>    </p:spTree>  </p:cSld> 

图表也是一个元素,放在 SharpTree (p:spTree) 里面,作为 GraphicFrame (p:graphicFrame) 存放。但不能说 GraphicFrame 就是图表元素,在 OpenXML 的 GraphicFrame 是一个很通用的元素,如 OLE 元素或公式都会用到此元素

读取 GraphicFrame 的内容,如果能读取到 ChartReference (c:chart) 那就证明这个元素是图表元素

            // 获取图表元素,在这份课件里,有一个面积图。以下使用 First 忽略细节,获取图表             var graphicFrame = slide.Descendants<GraphicFrame>().First();             // 获取到对应的图表信息,图表是引用的,内容不是放在 Slide 页面里面,而是放在独立的图表 xml 文件里             var graphic = graphicFrame.Graphic;             var graphicData = graphic?.GraphicData;             var chartReference = graphicData?.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.ChartReference>(); 

在 OpenXML 里,图表是引用的,内容不是放在 Slide 页面里面,而是放在独立的图表 xml 文件里。页面的代码如下

   <p:graphicFrame>      <a:graphic>        <a:graphicData uri="http://schemas.openxmlformats.org/drawingml/2006/chart">          <c:chart xmlns:c="http://schemas.openxmlformats.org/drawingml/2006/chart" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships" r:id="rId2" />        </a:graphicData>      </a:graphic>    </p:graphicFrame> 

根据 dotnet OpenXML 为什么资源使用 Relationship 引用 可以了解到,这里的图表引用,需要到 rels 文件里面获取关联的内容。在 OpenXml SDK 里,封装好了获取方法,获取时需要有两个参数,一个是 id 另一个是去哪里获取的 Part 内容。获取 id 的方法如下

            // 获取到 id 也就是 `r:id="rId2"` 根据 Relationship 的描述,可以知道去 rels 文件里面获取关联的内容。在 OpenXml SDK 里,封装好了获取方法,获取时需要有两个参数,一个是 id 另一个是去哪里获取的 Part 内容             var id = chartReference?.Id?.Value; 

在这份课件是图表元素放在页面上,可以通过页面去获取到图表元素的存储。在实际项目里,需要判断图表元素所在的是页面还是页面模版等,不能和以下代码写固定从页面获取

            // 如果是放在模版里面,记得要用模版的 Part 去获取             var currentPart = slide.SlidePart!;              if (!currentPart.TryGetPartById(id!, out var openXmlPart))             {                 // 在这份课件里,一定不会进入此分支                 // 一定能从页面找到对应的资源内容也就是图表                 return;             } 

这里拿到的 openXmlPart 是 ChartPart 对象,这里面就存放了图表的信息

            if (openXmlPart is not ChartPart chartPart)             {                 // 这里拿到的一定是 ChartPart 对象,一定不会进入此分支。但是在实际项目的代码,还是要做这个判断                 return;             } 

这里的 ChartPart 对应的就是 chartschartN.xml 文件。这里的 chartN.xml 表示的是 chart1.xml 或 chart2.xml 等文件

这个文件的存储内容大概如下

 <?xml version="1.0" encoding="UTF-8" standalone="yes"?>  <c:chartSpace>    <c:chart>      ...      <c:plotArea>        ...      </c:plotArea>    </c:chart>  </c:chartSpace> 

读取图表首先需要获取 ChartSpace 对象,再获取到 Chart 对象。在 OpenXML SDK 里面,定义了很多个 Chart 类型,放在不同的命名空间,在获取时,推荐写全命名空间

using Chart = DocumentFormat.OpenXml.Drawing.Charts.Chart;              // 这里的 ChartPart 对应的就是 chartschartN.xml 文件。这里的 chartN.xml 表示的是 chart1.xml 或 chart2.xml 等文件             var chartSpace = chartPart.ChartSpace;              // 这里的 Chart 是 DocumentFormat.OpenXml.Drawing.Charts.Chart 类型,在 OpenXmlSDK 里面,有多个同名的 Chart 类型,还请看具体的命名空间             /*             <?xml version="1.0" encoding="UTF-8" standalone="yes"?>             <c:chartSpace>               <c:chart>                 ...                 <c:plotArea>                   ...                 </c:plotArea>               </c:chart>             </c:chartSpace>              */             var chart = chartSpace.GetFirstChild<Chart>(); 

接着获取 PlotArea 对象,这里面就存放了图表的内容

using PlotArea = DocumentFormat.OpenXml.Drawing.Charts.PlotArea;              var chart = chartSpace.GetFirstChild<Chart>();             var plotArea = chart?.GetFirstChild<PlotArea>(); 

如本文的面积图就放在 PlotArea 元素里

 <c:plotArea>    <c:areaChart>      ...    </c:areaChart>  </c:plotArea> 

在 Chart 里,有不同的图表类型,例如 BarChart Bar3DChart LineChart PieChart Pie3DChart OfPieChart 不水字数了,就是很多不同的图表。本文这里只获取面积图

            var areaChart = plotArea?.GetFirstChild<AreaChart>();              if (areaChart == null)             {                 // 在这份课件里,一定存在面积图,一定不会进入此分支                 return;             } 

获取到面积图,接下来就是读取面积图的数据系列

数据系列的存储代码如下

  <c:plotArea>     <c:areaChart>       <c:ser>         ...       </c:ser>       <c:ser>         ...       </c:ser>     </c:areaChart>   </c:plotArea> 

每个 DocumentFormat.OpenXml.Drawing.Charts.AreaChartSeries (c:ser) 就是一个系列的内容。一个图表里面可以有多个系列,每个系列包含下面数据

  • 系列名
  • 系列数据
  • 类别轴上的数据
  • 样式信息

样式信息里面包含了填充的画刷,如纯色填充。类别轴上的数据是面积图横坐标轴显示内容,每个系列都有,这是重复的数据,在 PPT 里,只取第一个系列的数据

数据系列里的横坐标轴的类别坐标轴数据,在 OpenXML 里面,是 DocumentFormat.OpenXml.Drawing.Charts.CategoryAxisData 类型,对应 c:cat 的内容

读取类别轴上的数据方法如下

            foreach (var areaChartChildElement in areaChart.ChildElements)             {                 // 获取系列                 /*                     <c:plotArea>                       <c:areaChart>                         <c:ser>                           ...                         </c:ser>                         <c:ser>                           ...                         </c:ser>                       </c:areaChart>                     </c:plotArea>                  */                 if (areaChartChildElement is DocumentFormat.OpenXml.Drawing.Charts.AreaChartSeries areaChartSeries)                 {                     // 类别轴上的数据 横坐标轴上的数据                     var categoryAxisData = areaChartSeries.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.CategoryAxisData>()!;                 }             } 

在 OpenXML SDK 的存储如下

 <c:plotArea>    <c:areaChart>      <c:ser>        <c:cat>        </c:cat>               </c:ser>    </c:areaChart>  </c:plotArea> 

在类别轴上的数据存放的是数据引用,数据引用在 OpenXML 里面有多个不同的存储类型。例如 NumberReference 类型表示的是数值引用,例如 StringReference 表示字符串引用类型,在这份课件里面存放的是 StringReference 类型,以下代码只演示采用 StringReference 类型的读取方式,还请在具体项目,自行判断

var categoryAxisData = areaChartSeries.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.CategoryAxisData>()!; var categoryAxisDataStringReference = categoryAxisData.GetFirstChild<StringReference>(); 

在 StringReference 里面,大部分都有两个部分,一个是公式,表示如何引用 Excel 的数据。通过公式读取 Excel 可以获取到正确的数据,但缺点是比较复杂。可以通过第二部分,也就是缓存数据部分读取,虽然读取缓存也许不对,不过优点在于简单

存储的代码如下

  <c:cat>    <c:strRef>      <c:f>Sheet1!$A$2:$A$6</c:f>      <c:strCache>        <c:ptCount val="5" />        <c:pt idx="0">          <c:v>A</c:v>        </c:pt>        <c:pt idx="1">          <c:v>B</c:v>        </c:pt>        <c:pt idx="2">          <c:v>C</c:v>        </c:pt>        <c:pt idx="3">          <c:v>D</c:v>        </c:pt>        <c:pt idx="4">          <c:v>E</c:v>        </c:pt>      </c:strCache>    </c:strRef>  </c:cat> 

获取公式的代码如下

 var categoryAxisDataStringReference = categoryAxisData.GetFirstChild<StringReference>();  if (categoryAxisDataStringReference != null)  {      // 这个公式表示是从 Excel 哪个数据获取的,获取的方式比较复杂。这里还是先从缓存获取      var categoryAxisDataFormula = categoryAxisDataStringReference.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.Formula>();  } 

读取缓存的方法如下

  // 读取缓存   var categoryAxisDataStringCache = categoryAxisDataStringReference.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.StringCache>()!; 

读取类别轴上的数据

 var list = new List<string>();  foreach (var stringPoint in categoryAxisDataStringCache.Elements<DocumentFormat.OpenXml.Drawing.Charts.StringPoint>())  {      // 以下的 类别轴上的数据 横坐标轴上的数据,各个列项的名称      // 对于面积图来说,多个系列的列项都是相同的。尽管在 OpenXml 存储里面存放了两份,但以第零个系列的为准      var text = stringPoint.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.NumericValue>()!.Text;       list.Add(text);  } 

上面代码的 list 就存放了读取类别轴上的数据,也就是 A B C D E 字符串

继续读取第二部分内容,系列的系列名称,也就是系列标题

系列标题在 OpenXML 里,使用 DocumentFormat.OpenXml.Drawing.Charts.SeriesText 表示,对应 c:tx 类型。在图表里面的数据大部分都采用引用的方式,引用里面基本都有两个部分,如 类别轴上的数据 有引用 Excel 的公式,和缓存

这里读取系列标题也是通过缓存读取,不会去解析 Excel 内容

  // 获取系列标题,放心,可以不读取 Excel 的内容,通过缓存内容即可。但是缓存内容也许和 Excel 内容不对应   /*       <c:plotArea>         <c:areaChart>           <c:ser>             <c:tx>               <c:strRef>                 <c:f>Sheet1!$B$1</c:f>                 <c:strCache>                   <c:ptCount val="1" />                   <c:pt idx="0">                     <c:v>系列 1</c:v>                   </c:pt>                 </c:strCache>               </c:strRef>             </c:tx>             ...           </c:ser>         </c:areaChart>       </c:plotArea>    */   var seriesText = areaChartSeries.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.SeriesText>()!;   var seriesTextStringReference = seriesText.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.StringReference>()!;   // 这个公式表示是从 Excel 哪个数据获取的,获取的方式比较复杂。这里还是先从缓存获取   var seriesTextFormula = seriesTextStringReference.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.Formula>(); 

使用缓存获取系列名称

 // 有缓存的话,从缓存获取就可以,缓存内容也许和 Excel 内容不对应  /*      <c:strCache>        <c:ptCount val="1" />        <c:pt idx="0">          <c:v>系列 1</c:v>        </c:pt>      </c:strCache>   */  var seriesTextStringCache = seriesTextStringReference.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.StringCache>();  if (seriesTextStringCache != null)  {      var seriesTextStringPoint = seriesTextStringCache.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.StringPoint>();       var numericValue = seriesTextStringPoint!.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.NumericValue>();      // 系列1 标题      var title = numericValue!.Text;   } 

上面的 title 就是系列的标题,如上面图表,拿到的就是 系列1系列2 字符串

完成获取系列的标题获取,下面开始获取系列的样式。系列的样式如系列的填充画刷,画刷是一个比较大的话题,本文使用的例子只用到纯色画刷

图表的系列样式存储采用的是 DocumentFormat.OpenXml.Drawing.Charts.ChartShapeProperties 类型,图表的形状属性的内容和 形状属性 的内容是差不多的

  <c:plotArea>     <c:areaChart>       <c:ser>         <c:tx>           ...         </c:tx>         <c:spPr>           <a:solidFill>             <a:srgbClr val="FF0000" />           </a:solidFill>         </c:spPr>       </c:ser>     </c:areaChart>   </c:plotArea> 

获取系列的填充颜色

  // 图表的形状属性的内容和 形状属性 的内容是差不多的   /*       <c:plotArea>         <c:areaChart>           <c:ser>             <c:tx>               ...             </c:tx>             <c:spPr>               <a:solidFill>                 <a:srgbClr val="FF0000" />               </a:solidFill>             </c:spPr>           </c:ser>         </c:areaChart>       </c:plotArea>    */   var chartShapeProperties = areaChartSeries.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.ChartShapeProperties>()!;   // 获取画刷,画刷有好多不同的类型,这个课件只用了纯色   var solidFill = chartShapeProperties.GetFirstChild<SolidFill>()!;   // 画刷纯色颜色有很多个颜色表示方法,这个课件只用了 RGB 的纯色   var rgbColorModelHex = solidFill.GetFirstChild<DocumentFormat.OpenXml.Drawing.RgbColorModelHex>()!;   // 这就是这个系列的颜色   var colorValue = rgbColorModelHex.Val!.Value; 

以上的 colorValue 就是这个系列的填充。不同的系列可以有不同的填充

接下来获取图表最核心的内容,系列的数据

在 PPT 里面,是允许数据为空的,如果是空,行为就是不绘制系列内容。本文使用的例子是存在数据,就没有判断数据为空

 // 获取系列的值  /*      <c:plotArea>        <c:areaChart>          <c:ser>            <c:tx>              ...            </c:tx>            <c:cat>              ...            </c:cat>            <c:val>              <c:numRef>                <c:f>Sheet1!$B$2:$B$6</c:f>                <c:numCache>                  <c:formatCode>General</c:formatCode>                  <c:ptCount val="5" />                  <c:pt idx="0">                    <c:v>32</c:v>                  </c:pt>                  <c:pt idx="1">                    <c:v>32</c:v>                  </c:pt>                  <c:pt idx="2">                    <c:v>28</c:v>                  </c:pt>                  <c:pt idx="3">                    <c:v>12</c:v>                  </c:pt>                  <c:pt idx="4">                    <c:v>15</c:v>                  </c:pt>                </c:numCache>              </c:numRef>            </c:val>          </c:ser>          <c:ser>            ...          </c:ser>        </c:areaChart>      </c:plotArea>   */  // 这就是系列里面最重要的数据。然而在 PPT 里面,是允许为空的,如果是空,行为就是不绘制系列内容  var valueList = new List<string>();  var values = areaChartSeries.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.Values>(); 

在面积图,数据理论上是数值类型。对应的是 NumberReference 引用,同样可以使用公式引用 Excel 数据,也可以采用缓存获取

  var valuesNumberReference = values?.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.NumberReference>();   if (valuesNumberReference != null)   {       /*            <c:val>              <c:numRef>                <c:f>Sheet1!$B$2:$B$6</c:f>                <c:numCache>                  <c:formatCode>General</c:formatCode>                  <c:ptCount val="5" />                  <c:pt idx="0">                    <c:v>32</c:v>                  </c:pt>                  <c:pt idx="1">                    <c:v>32</c:v>                  </c:pt>                  <c:pt idx="2">                    <c:v>28</c:v>                  </c:pt>                  <c:pt idx="3">                    <c:v>12</c:v>                  </c:pt>                  <c:pt idx="4">                    <c:v>15</c:v>                  </c:pt>                </c:numCache>              </c:numRef>            </c:val>        */       // 这份课件一定存在 values 内容       // 和其他的一样,存在引用 Excel 的内容。这里同样也是采用缓存       var valuesFormula = valuesNumberReference.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.Formula>(); 

本文只采用读取缓存的方式。在缓存也有一个数据,表示数据如何格式化显示,例如通过格式化字符串告诉 PPT 如何格式化日期内容等。本文使用的例子写的是 General 表示不需要格式化

  var valuesNumberingCache = valuesNumberReference.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.NumberingCache>()!;    // 通过 FormatCode 决定界面效果。这份课件是 General 表示不用格式化   var formatCode = valuesNumberingCache.FormatCode;   Debug.Assert(formatCode?.Text == "General"); 

接下来继续获取数据

 var valueList = new List<string>();  foreach (var numericPoint in valuesNumberingCache.Elements<DocumentFormat.OpenXml.Drawing.Charts.NumericPoint>())  {      var numericValue = numericPoint.GetFirstChild<DocumentFormat.OpenXml.Drawing.Charts.NumericValue>()!;      var numericValueText = numericValue.Text;       valueList.Add(numericValueText);  } 

通过上面例子,无论数据引用是数值引用还是字符串引用,具体的内容都是 DocumentFormat.OpenXml.Drawing.Charts.NumericValue 类型。如果不需要准确判断内容,可以采用获取此类型,简化逻辑

上面代码的 valueList 存放了系列数据内容

这就完成了读取图表的大部分数据内容

数据存储

本文期望大家了解 OpenXML 里对图表的存储方式。在 OpenXML 里面,图表是放在页面的一个元素,但是数据不放在页面上,页面上放的是引用。通过引用获取到图表的内容,对应的数据存储如下

    <c:plotArea>       <c:areaChart>         <c:ser>           <!-- 系列的数据 -->         </c:ser>         <c:ser>           <c:tx>             <!-- 系列标题 -->           </c:tx>           <c:spPr>             <!-- 系列样式 -->           </c:spPr>           <c:cat>             <!-- 类别轴上的数据 -->           </c:cat>           <c:val>             <!-- 系列数据 -->           </c:val>         </c:ser>       </c:areaChart>     </c:plotArea> 

以上是面积图的存储,面积图里面由多个系列组成。对于图表来说,最重要的数据就是每个系列的内容。系列里面包含了系列标题,系列样式,和类别轴上的数据和系列数据。其中类别轴上的数据只有第零个系列的有用,但是在 OpenXML 里每个系列都重复存放一份

在图表里存放的数据使用的是引用,可以用公式读取 Excel 的数据,也可以使用缓存。如果想要数据正确,是需要通过公式读取 Excel 的数据,如果想要读取 Excel 的数据,前置的是读取 PPT 里面内嵌的 Excel 内容,请看 dotnet OpenXML 读取 PPT 内嵌 xlsx 格式 Excel 表格的信息

图表还有其他的内容,如图表标题和样式等。以及图表的数据格式化展示逻辑,日期计算方法等,这些都没有放在本文告诉大家。将在后续博客告诉大家这些内容和行为,请看 Office 使用 OpenXML SDK 解析文档博客目录

代码

本文以上的测试文件和代码放在githubgitee 欢迎访问

可以通过如下方式获取本文的源代码,先创建一个空文件夹,接着使用命令行 cd 命令进入此空文件夹,在命令行里面输入以下代码,即可获取到本文的代码

git init git remote add origin https://gitee.com/lindexi/lindexi_gd.git git pull origin 2f266d20916f784662d84a98d60b7e1bd097d11d 

以上使用的是 gitee 的源,如果 gitee 不能访问,请替换为 github 的源

git remote remove origin git remote add origin https://github.com/lindexi/lindexi_gd.git 

获取代码之后,进入 MainWindow.xaml.cs 文件,在这个文件里就是本文的例子代码

更多

更多请看 Office 使用 OpenXML SDK 解析文档博客目录