OpenXML与Word概述
一、Word
1.1 Word 格式演进
版本
标准
文件格式
Word 97-2003
OLE复合文档技术
.doc格式
Word2007及其之后
Office OpenXML协议
.docx格式
OLE复合文档技术:
OLE：
复合文档：
Office OpenXML协议:
1.2 .docx 文档构成
Word文档（.docx）实质上是一个包含多个XML文件和资源的ZIP压缩包，主要由以下部分组成：
|- [Content_Types].xml 允许用户确定数据包中每个部件的内容类型
|- _rels 关系部件，定义ZIP包中各个Part之间的关系
|- docProps 存放文档的属性信息
|- app.xml 记录应用程序特定的文档属性
|- core.xml 存储核心属性
|- word 文档的主要内容存放于此目录
|- _rels
|- document.xml.rels
|- theme
|- document.xml 文档中所有可见文字的内容和属性及不可见部分的内容和属性
|- fontTable.xml
|- settings.xml 存储文档的设置
|- styles.xml
|- webSettings.xml
Word(.docx)文档内部组成：
提示：Word文档本质上是一个ZIP包，换句话说Word文档以包的形式存储。我们可以新建一个Word文档，更改其后缀名.docx为.zip，解压缩后查看其内部结构。
二、OpenXML
2.1 概述
2.1.1 Open XML定义
Office Open XML (Open XML、OpenXML、OOXML)
一种能涵盖现有文档主题中所表示功能的标准；一项针对字处理文档、演示文稿和电子表格的建议开放标准，可由多个应用程序在多个平台上自由地实施。
2.1.2 OpenXML SDK
SDK(Software Development Kit)：软件开发工具包。
Open XML SDK基于System.IO.Packaging API构建而成，并提供强类型类来处理符合Open XML文件格式规范的文档。
类似于OpenXML SDK的有NPOI、Xceed Words for .NET、DocX
2.2 标准变迁
Open XML（简称为OOXML）是可由不同平台上的多个应用程序自由实现的字处理文档、演示文稿和电子表格的开放式标准。
序号
标准名
实施规范
1
ECMA-376
MS-OE376
2
ISO/IEC 29500
MS-OI29500
2.3 分类
Open XML定义了字处理、演示文稿和电子表格文档的格式。
Word processing document（Word）：使用WordProcessingML标记进行描述。WordprocessingML文档由文章集合组成，其中每个文章是以下类型之一：
主文档
词汇表文档
子文档
页眉
页脚
注释
框架
文本框
脚注或尾注
Presentations （演示文稿）：使用PresentationML标记进行描述。
Spreadsheet workbooks（电子表格工作薄）：使用SpreadsheetML 标记进行描述。
2.5 最小WordprocessingML文档组成
该文档包含三个部件：内容类型部件、数据包关系部件、主文档部件
内容类型部件“./[Content_Types].xml”描述其他两个必须部件的内容类型
数据包关系部件“./_rels/ .rels”描述数据包与主文档部件之间的关系
主文档部件“./word/document.xml”包含文档内容
三、DocumentFormat.OpenXML包在Word文档自动化中的应用
3.1 安装
Install-Package DocumentFormat.OpenXML
3.2 基本操作
创建 WordprocessingDocument对象（WordprocessingDocument类表示Word文档包）：
// docPath = @"C:\Desktop\Test.docx";
using (var wordDoc = WordprocessingDocument.Create(docPath, WordprocessingDocumentType.Document))
{
// Insert other code here.
}
获取 WordprocessingDocument对象（true-读/写模式；false-读模式）：
// docPath = @"C:\Desktop\Test.docx";
using (var wordDoc = WordprocessingDocument.Open(docPath, true))
{
// Insert other code here.
}
3.3 使用XML内容创建docx文档
// docPath = @"C:\Desktop\Test.docx";
// To create a new package as a Word document.
public static void CreateNewWordDocument(string docPath)
{
using (var wordDoc = WordprocessingDocument.Create(docPath, WordprocessingDocumentType.Document))
{
// Set the content of the document so that Word can open it.
var mainPart = wordDoc.AddMainDocumentPart();
string docXml = @"
";
using (var stream = mainPart.GetStream())
{
byte[] buf = (new UTF8Encoding()).GetBytes(docXml);
stream.Write(buf, 0, buf.Length);
}
}
}
3.4 从docx文档中获取文档批注的内容
本质上是读取 word/comments.xml 文件内容：
// docPath = @"C:\Desktop\Test.docx";
// To get the contents of a document part.
public static string GetCommentsFromDoc(string docPath)
{
string? comments = null;
using (var wordDoc = WordprocessingDocument.Open(docPath, false))
{
var mainPart = wordDoc.MainDocumentPart ?? throw new InvalidOperationException("文档缺少主部件");
var commentsPart = mainPart.WordprocessingCommentsPart;
// if 批注部件不存在，直接返回 null
if (commentsPart is null) return;
using (var streamReader = new StreamReader(commentsPart.GetStream()))
{
comments = streamReader.ReadToEnd();
}
}
return comments;
}
3.5 从docx文档中移除文档部件
// docPath = @"C:\Desktop\Test.docx";
// To remove a document part from a package.
public static void RemovePart(string docPath)
{
using (var wordDoc = WordprocessingDocument.Open(docPath, true))
{
var mainPart = wordDoc.MainDocumentPart;
if (mainPart is not null && mainPart.DocumentSettingsPart is not null)
{
mainPart.DeletePart(mainPart.DocumentSettingsPart);
}
}
}
3.6 从docx文档中替换文档的主题
// docPath = @"C:\Desktop\Test.docx";
// themeFilePath = @"C:\Desktop\ThemeReplace.xml"
// This method can be used to replace the theme part in a package.
public static void ReplaceTheme(string docPath, string themeFilePath)
{
using (var wordDoc = WordprocessingDocument.Open(docPath, true))
{
if (wordDoc.MainDocumentPart is null || wordDoc.MainDocumentPart.Document.Body is null || wordDoc.MainDocumentPart.ThemePart is null)
{
throw new ArgumentNullException("MainDocumentPart and/or Body and/or ThemePart is null.");
}
var mainPart = wordDoc.MainDocumentPart;
// Delete the old document part.
mainPart.DeletePart(mainPart.ThemePart);
// Add a new document part and then add content.
ThemePart themePart = mainPart.AddNewPart
using (var streamReader = new StreamReader(themeFilePath))
using (var streamWriter = new StreamWriter(themePart.GetStream(FileMode.Create)))
{
streamWriter.Write(streamReader.ReadToEnd());
}
}
}
3.7 从docx文档中替换文档部件的内容
// docPath = @"C:\Desktop\Test.docx";
// To search and replace content in a document part.
static void SearchAndReplace(string docPath)
{
using (var wordDoc = WordprocessingDocument.Open(docPath, true))
{
string? docText = null;
if (wordDoc.MainDocumentPart is null)
{
throw new ArgumentNullException("MainDocumentPart and/or Body is null.");
}
using (var sr = new StreamReader(wordDoc.MainDocumentPart.GetStream()))
{
docText = sr.ReadToEnd();
}
Regex regexText = new Regex("Hello world!");
docText = regexText.Replace(docText, "Hi Everyone!");
using (var sw = new StreamWriter(wordDoc.MainDocumentPart.GetStream(FileMode.Create)))
{
sw.Write(docText);
}
}
}
3.8 向docx文档中添加文字
public static void OpenAndAddTextToWordDocument(string docPath, string txt)
{
// Open a WordprocessingDocument for editing using the filepath.
var wordprocessingDocument = WordprocessingDocument.Open(docPath, true);
if (wordprocessingDocument is null)
{
throw new ArgumentNullException(nameof(wordprocessingDocument));
}
// Assign a reference to the existing document body.
var mainDocumentPart = wordprocessingDocument.MainDocumentPart ?? wordprocessingDocument.AddMainDocumentPart();
mainDocumentPart.Document ??= new Document();
mainDocumentPart.Document.Body ??= mainDocumentPart.Document.AppendChild(new Body());
Body body = wordprocessingDocument.MainDocumentPart!.Document!.Body!;
// Add new text.
Paragraph para = body.AppendChild(new Paragraph());
Run run = para.AppendChild(new Run());
run.AppendChild(new Text(txt));
// Dispose the handle explicitly.
wordprocessingDocument.Dispose();
}
3.9 向docx文档中添加表格
///
///string[,] data = new string[,]
///{
/// {"名称", "描述"}
///}
///
public static void AddFixedTable(string docPath, string[,] data)
{
using (var document = WordprocessingDocument.Open(docPath, true))
{
var doc = document.MainDocumentPart.Document;
Table table = doc.Body.AppendChild(new Table());
TableProperties props = table.PrependChild(new TableProperties());
TableBorders tableBorders = props.AppendChild(new TableBorders(
new TopBorder() { Val = new EnumValue
new BottomBorder() { Val = new EnumValue
new LeftBorder() { Val = new EnumValue
new RightBorder() { Val = new EnumValue
new InsideHorizontalBorder() { Val = new EnumValue
new InsideVerticalBorder() { Val = new EnumValue
));
for (var i = 0; i < data.GetLength(0); i++)
{
var tr = table.AppendChild(new TableRow());
for (var j = 0; j < data.GetLength(1); j++)
{
var tc = tr.AppendChild(new TableCell());
tc.Append(new Paragraph(new Run(new Text(data[i, j].ToString()))));
Run run = tc.Elements
RunProperties runProperties = run.PrependChild(new RunProperties());
runProperties.AppendChild(new FontSize()
{
Val = "20"
});
runProperties.AppendChild(new RunFonts()
{
EastAsia = "宋体"
});
// Bold the title
if (i == 0)
{
Bold bold = runProperties.AppendChild(new Bold());
}
double widthInDxa = 7.23 * 567; // 1cm ≈ 567 Dxa
tc.AppendChild(new TableCellProperties(
new TableCellWidth { Type = TableWidthUnitValues.Dxa, Width = widthInDxa.ToString() }));
}
}
}
}
四、Nuget包
DocumentFormat.OpenXML：包含部件和元素的所有强类型类。
DocumentFormat.OpenXML.Framework：包含启用 SDK 的基础框架。 这是从 v3.0 开始的新包，包含以前包含在 中的 DocumentFormat.OpenXml许多类型。
五、引用文章
Word解析之Word内部结构：
https://blog.csdn.net/pdfcxc/article/details/113260490
复合文档格式文件格式研究
https://club.excelhome.net/thread-227502-1-1.html
Office Open XML白皮书
https://www.ecma-international.org/wp-content/uploads/OpenXML_White_Paper_Chinese.pdf
Open XML SDK for Office
https://learn.microsoft.com/zh-cn/office/open-xml/open-xml-sdk
docx格式文档详解
https://juejin.cn/post/7166821284087595038