Office Open XML是什么 如何用它来操作Word和Excel文档

OOXML是微软定义的基于XML的文档格式标准,.docx/.xlsx/.pptx实为ZIP包,含XML及资源;因结构复杂(如关系映射、命名空间、共享字符串等),须用python-docx/openpyxl等专用库操作,不可直接用xml.etree.ElementTree手动修改。

Office Open XML(OOXML)不是某个库或工具,而是一套由微软定义的、基于 XML 的文档格式标准,.docx.xlsx.pptx 文件本质上都是 ZIP 压缩包,里面按约定结构存放着 XML 文件和资源。直接手动操作它非常繁琐,实际开发中应使用封装好的库来读写。

为什么不能直接用 xml.etree.ElementTree 解压后改 XML?

因为 OOXML 结构复杂:文档主体(document.xml)、样式(styles.xml)、关系映射(_rels/.relsword/_rels/document.xml.rels)、共享字符串表(xl/sharedStrings.xml)、单元格类型与引用逻辑等必须严格同步。漏掉一个 Relationship ID 或拼错命名空间,文件就打不开。

  • Excel 中文本内容通常不直接存进 cell,而是索引到 sharedStrings.xml 的位置,改值必须同步更新两处
  • Word 中段落样式、编号列表、图片嵌入都依赖 relationships 文件,删掉一个 .rels 条目,Word 会提示“文件已损坏”
  • 所有 XML 都带命名空间(如 w:mc:r:),没正确声明前缀会导致解析失败

Python 中推荐用 python-docxopenpyxl

这两个库专为 OOXML 设计,自动处理 ZIP 封装、关系解析、命名空间、共享字符串、样式缓存等细节,是目前最稳定、文档最全的选择。

  • python-docx 专注 .docx:适合生成报告、合同、信函等以文本/段落为主的场景;不支持页眉页脚高级布局或域代码(如 TOC 自动生成)
  • openpyxl 专注 .xlsx:支持公式、图表、条件格式、数据验证;但不支持二进制 .xls 或加密文件
  • 二者都不修改原始文件内存结构,而是构建新 ZIP 包写入磁盘,所以并发写同一文件需自行加锁
from docx import Document

doc = Document()
doc.add_heading('Hello World', level=1)
doc.add_paragraph('This is a paragraph.')
doc.save('output.docx')
from openpyxl import Workbook

wb = Workbook()
ws = wb.active
ws['A1'] = 'Name'
ws['B1'] = 'Score'
ws.append(['Alice', 95])
ws.append(['Bob', 87])
wb.save('scores.xlsx')

Node.js 中用 docxtemplaterexceljs

若需模板填充(比如从 JSON 渲染 Word 报告或 Excel 表格),docxtemplater 比原生 jszip + 手动 XML 操作更可靠;exceljs 则在流式写入大 Excel(10w+ 行)时比 xlsx 库更省内存。

  • docxtemplater 依赖 jszip,但屏蔽了底层 XML 节点操

    作,只暴露变量标签(如 {% raw %}{{name}}{% endraw %})和循环语法
  • exceljs 支持读写 .xlsx,也支持 .csv / .xlsb,但不支持密码保护或 VBA
  • 注意:Node.js 端所有 OOXML 库都要求输入文件是 Buffer 或可读流,不能直接传路径字符串给构造函数

真正难的从来不是“怎么改一个单元格”,而是理解 OOXML 不是自由格式 XML——它是有状态的:样式 ID 必须全局唯一、关系 ID 必须双向一致、压缩包内文件路径大小写敏感(尤其在 Linux 上)。哪怕只是给 Excel 加一列,背后可能触发 sharedStrings 重排、column width 重算、sheetData 行索引偏移。别碰裸 ZIP + XML,除非你正在实现一个库。