欢迎光临
我的个人博客网站

dotnet OpenXML 读取 PPT 内嵌 xlsx 格式 Excel 表格的信息

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"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 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
赞(0) 打赏
未经允许不得转载:张拓的天空 » dotnet OpenXML 读取 PPT 内嵌 xlsx 格式 Excel 表格的信息
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

专业的IT技术经验分享 更专业 更方便

联系我们本站主机

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏