精华内容
下载资源
问答
  • doc文件结构
    千次阅读
    2021-01-27 18:05:33

    我们常用的Office Word格式分为doc和docx两种格式,doc是Word 97-2003版本使用的格式,Word2007及其之后的版本,默认格式是docx。
    doc使用的是office 97-03的存储规范:OLE。它是一种对象链接和嵌入的技术,该技术可以包含文本,图形,电子表格甚至其他二进制数据。
    docx使用OpenXML(OOXML)协议,它是微软在Office 2007中提出的一种新的文档格式,Office 2007及其以后的Word、Excel、PowerPoint默认均采用OpenXML格式。
    我们后面讨论的都只针对docx格式的文件,doc文件的解析有另外一套规范。doc文件可以转换为docx。所以就不再讨论doc文件如何解析。
    docx文件可以解压,解压之后的文件结构大致如下:

    .
    ├── [Content_Types].xml   // 描述的是整个文档的内容。把各个XML文件组合成一个整体
    ├── _rels                 // 定义Package(Zip包)和它所直接包含的Part之间的关系。对于一个 Part 来说,如果它依赖其他 Part,那么需要为这个 Part 创建一个目录,并且也有一个 _rels 目录,目录下面会有一个 partname.rels 文件。比如 /word/document.xml 就是很典型的例子
    ├── docProps              // 记录docx文档的主要属性信息
    │   ├── app.xml          // 描述文档的文档类型、版本、只读信息、共享、安全属性等信息
    │   └── core.xml         // 描述文档的创建时间、标题、主题和作者等基于Open XML约定文档格式的通用文件属性信息
    └── word
        ├── _rels
        │   └── document.xml.rels
        ├── charts
        │   ├── _rels
        │   │   ├── chart1.xml.rels  \\ 映射表存放文件文本框文件的位置
        │   ├── chart1.xml
        │   ├── colors1.xml
        │   ├── colors2.xml
        │   ├── style1.xml
        │   ├── style2.xml
        ├── 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
        ├── embeddings
        │   ├── Microsoft_Excel_Worksheet.xlsx
        │   ├── Microsoft_Excel_Worksheet1.xlsx
        │   ├── oleObject1.bin  // OLE是Object Linking and Embedding的缩写,直译为对象连接与嵌入;满足用户在一个文档中加入不同格式数据的需要(如文本、图像、声音等),即解决建立复合文档问题。
        │   ├── oleObject2.bin
        │   ├── oleObject3.bin
        │   ├── oleObject4.bin
        ├── endnotes.xml 
        ├── fontTable.xml    // 文档所使用的字体信息
        ├── footer1.xml
        ├── footer2.xml
        ├── footnotes.xml    // 文档中脚注部分信息
        ├── header1.xml
        ├── header2.xml
        ├── media               // Word中的多媒体文件,如插入的图片、公式对应的wmf文件等
        │   ├── image1.emf
        │   ├── image2.png
        │   ├── image3.jpeg
        │   ├── image4.wmf
        │   ├── image5.emf
        ├── numbering.xml          // Word中的有序列表、无序列表等的信息,定义了列表的样式、序号等信息
        ├── settings.xml           // 文档的总体设置信息
        ├── styles.xml             // Word的样式信息,定义样式的展示优先级以及段落、表格等样式
        ├── theme                  // 文档的主题的所有信息,如颜色、字体大小
        │   ├── theme1.xml
        │   ├── themeOverride1.xml
        │   └── themeOverride2.xml
        └── webSettings.xml        // 文档左右间距等的样式信息
    

    在对Word进行解析的时候,就是对解压之后的XML文件进行解析。我们只需要重点关注document.xml文件,里面是Word内容的主题。
    document.xml的主体如下:

    <w:document>
        <w:body>
            <w:p/>
        </w:body>
    </w:document>
    
    更多相关内容
  • Word-doc文件结构

    2014-01-09 10:46:12
    这是word-doc文件结构pdf,英文版,对分析word-doc文件结构有用。由于word-doc文件结构比较复杂,其它文档将在以后陆续上载。
  • 内附有微软发布的.doc文件的内部结构解析说明,还有一个免费的二进制流查看器(不支持.docx)。
  • 10顺序结构.doc
  • 离散数学代数结构.doc
  • 13.循环结构.doc
  • 14.定时结构.doc
  • 11.选择结构.doc
  • 12.事件结构.doc
  • 15.缓存重用结构.doc
  • wegame数据库结构文档.doc
  • PDF文件结构详解.doc

    2021-10-10 19:04:21
    PDF文件结构详解.doc
  • 激光打印机结构原理.doc
  • 某仓库钢结构分部工程质量监理报告.zip监理报告DOC文档资料下载某仓库钢结构分部工程质量监理报告.zip监理报告DOC文档资料下载某仓库钢结构分部工程质量监理报告.zip监理报告DOC文档资料下载某仓库钢结构分部工程...
  • wsdl文件结构分析.doc

    2022-06-27 12:25:38
    wsdl文件结构分析.doc
  • 18.循环结构的反馈节点.doc
  • 数据库表结构文档.doc

    2021-10-07 15:35:49
    数据库表结构文档.doc
  • 《程序设计与数据结构》课程总结doc文档合集整理.zip
  • 2013年算法与数据结构文档.doc
  • AVI文件的存储结构.doc

    2022-07-05 03:07:38
    AVI文件的存储结构
  • 大学数据结构--静态链表算法CPP文件.doc
  • 大学数据结构--费洛伊德算法CPP文件.doc
  • 大学数据结构--多项式加法算法CPP文件.doc
  • 数据结构学习总结.doc

    2022-05-13 23:09:14
    数据结构学习总结.doc
  • ttf文件结构解析.doc

    2021-10-07 08:27:23
    ttf文件结构解析.doc
  • 激光打印机结构原理及检修.doc
  • 新系统数据结构设计文档.doc
  • 结构与稳定性doc文档合集整理.zip

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 219,652
精华内容 87,860
关键字:

doc文件结构