- A+
在 Office 中，可以在 PPT 里面插入表格，插入表格有好多不同的方法，对应 OpenXML 文档存储的更多不同的方式。本文来介绍如何读取 PPT 内嵌 xlsx 格式的表格的方法
读取方法和 dotnet OpenXML 读取 PPT 内嵌 ole 格式 Excel 表格的信息 差不多，对于 Office 2019 以上版本，插入 Excel 表格用的不是 OLE 文件的方式，而是放入一个 xlsx 文件
在 Slide.xml 页面里面，存放的是在 GraphicFrame 下的内容，简化的 OpenXML 文档如下
<p:graphicFrame> <p:nvGraphicFramePr> <p:cNvPr id="9" name="表格 1" /> </p:nvGraphicFramePr> <p:xfrm> <a:off x="5405438" y="3241675" /> <a:ext cx="3438525" cy="2009775" /> </p:xfrm> <a:graphic> <a:graphicData uri="http://schemas.openxmlformats.org/presentationml/2006/ole"> <mc:AlternateContent xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"> <mc:Choice xmlns:v="urn:schemas-microsoft-com:vml" Requires="v"> <p:oleObj spid="_x0000_s1026" name="工作表" r:id="rId3" imgW="3438630" imgH="2009788" progId="Excel.Sheet.12"> <p:embed /> </p:oleObj> </mc:Choice> <mc:Fallback> <!-- 忽略 --> </mc:Fallback> </mc:AlternateContent> </a:graphicData> </a:graphic> </p:graphicFrame> 插入的 rId3 的资源对应的内容如下
<?xml version="1.0" encoding="UTF-8" standalone="yes"?> <Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships"> <Relationship Id="rId3" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/package" Target="../embeddings/Microsoft_Excel_Worksheet.xlsx" /> </Relationships> 也就是说插入到页面的对应的 xlsx 文件存放路径如下
pptembeddingsMicrosoft_Excel_Worksheet.xlsx 和读取 OLE 的 xls+ 方式不同的在于不需要读取 OLE 文件拿到 xlsx 文件，只需要通过 Part 读取即可。通过如上代码可以看到在 Slide 页面存放的代码几乎相同，需要加上一点判断逻辑，才能决定是从 Part 读取还是从 OLE 文件读取
通过判断 part.ContentType 是 "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet" 的内容，即可了解是嵌入 xlsx 文件，而不是 ole 格式文件
读取的逻辑如下
using var presentationDocument = PresentationDocument.Open(file.FullName, false); var slide = presentationDocument.PresentationPart!.SlideParts.First().Slide; var graphicFrame = slide.CommonSlideData!.ShapeTree!.GetFirstChild<GraphicFrame>()!; var graphic = graphicFrame.Graphic!; var graphicData = graphic.GraphicData!; var alternateContent = graphicData.GetFirstChild<AlternateContent>()!; var choice = alternateContent.GetFirstChild<AlternateContentChoice>()!; var oleObject = choice.GetFirstChild<OleObject>()!; Debug.Assert(oleObject.GetFirstChild<OleObjectEmbed>() != null); var id = oleObject.Id!; var part = slide.SlidePart!.GetPartById(id!); Debug.Assert(part.ContentType == "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"); 再加上判断当前的 Graphic 期望使用的应用
// 预期字符串是 “Excel.Sheet.12” 等内容 var isEmbedExcel = oleObject.ProgId?.Value?.StartsWith("Excel.Sheet", StringComparison.OrdinalIgnoreCase) is true; Debug.Assert(isEmbedExcel); 将 Part 读取放入到本地文件，用于后续解析 Xlsx 文件。为什么不能通过 part.GetStream 的方式，对返回的 Stream 进行读取即可？原因是此 Stream 是不支持随机访问的，这个 Stream 是从 System.IO.Packaging 拿到的，为了解决 N 多的坑，设计为不支持随机读取，只能顺序读取。而在解析 Xlsx 时，需要进行随机读取，否则就需要将整个文件内容都加载到内存，为了减少内存的占用，存放到文件
var tempFolder = @"F:temp"; if (!Directory.Exists(tempFolder)) { tempFolder = System.IO.Path.GetTempPath(); } var xlsxFile = System.IO.Path.Combine(tempFolder, System.IO.Path.GetRandomFileName() + ".xlsx"); using (var fileStream = File.OpenWrite(xlsxFile)) { using var partStream = part.GetStream(FileMode.Open,FileAccess.Read); partStream.CopyTo(fileStream); } 后续就是读取 xlsx 的逻辑
using var spreadsheetDocument = SpreadsheetDocument.Open(xlsxFile, false); var sheets = spreadsheetDocument.WorkbookPart!.Workbook.Sheets; 更多读取 Excel 的方法请看 C# dotnet WPF 使用 OpenXml 解析 Excel 文件
本文以上的测试文件和代码放在github 和 gitee 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 75c6c17055d7c254e648b7c1836f0657c72fc77a 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 Pptx 文件夹
更多请看 Office 使用 OpenXML SDK 解析文档博客目录
更多参考：
- [MS-OFFDI].pdf
- [MS-XLS].pdf
- [MS-OI 29500].pdf
