当前位置:网站首页>Excel 文件格式解析

Excel 文件格式解析

2021-02-07 09:47:52 osc_3kd7q8y9

微软的Excel格式有两种:.xls和.xlsx。Excel2003及之前的版本是.xls格式,从Excel2007开始支持.xlsx格式。只使用基本功能的话两种格式看起来并没有多大差别,但是两者文件格式确实截然不同的。

excel97-2003(xls格式)

XLS文件最为一个文件流(FileStream),是由多个子流(SubStream)构成的,下面这张图是将各个SubStream按顺序依次展现出来,这些SubStream都是有若干个整数倍Block(1 block = 512 bytes)组成。

SubStream

 

XLS Header

占1个block(512bytes)固定大小

WorkBook

最小占8个block(4096bytes)

Summary Information

占8个block(4096bytes)固定大小

Document Summary Information

占8个block(4096bytes)固定大小

XLS Header扩展区

只有.xls文件超过一定大小时,才会出现

BigBolck pointer

最小占1个(512bytes)

RootEntry

占1个block(512bytes)

 

其中所有单元格数据记录在WorkBook子流中,以下为WorkBook区的重要内容结构。

0x0809 WorkbookHeader,即BOF,长度范围1~20

offset

size

content

0

2

存放XLS文件的版本类型 BIFF8/BIFF8X 0x0600 BIFF7 0x0500

2

2

WorkBookGlobals,0x0005

 

0x0031 FONT,长度24bytes。0x041EFORMAT

0x00E0 XF ExtendFORMAT

0x0293 STYLE

0x0085 BOUNDSHEET,即Sheet指针区,N个Sheet则有N个0x0085,包含每个Sheet的名称、sheet数据内容在xls文件中的偏移量。

offset

size

content

0

2

数据段长度(Sheet指针区和名称区长度)

2

4

该Sheet的BOF的绝对位移量,相对于Workbook

6

 

Sheet名称区,长度为数据段长度-2

 

0x008C Country,语言和地区设置。

0x00FC SST内容(SharingStringTable用来存放字符串,目的是为了让各个sheet都能够共享该SST中字符串内容)(Excel表数据,所有Sheet数据均放于此)

offset

size

content

0

4

数据中所有字符串的数量

4

4

将要放在SST中字符串的数量

以下开始针对每个字符串进行循环处理

   

8

2

该字符串的长度,若为双字节字符也算做一个

10

1

字符串中若包含双字节字符(如中文),则为0x01,若为纯ASCII字符,则为0x00

11

n

存放字符串信息

 

0x00FF ExtendedSST内容 在读取XLS文件时显得不重要,但当创建XLS文件时却非常重要

offset

size

content

0

2

每一区块字符串的个数,其值>=8

以下开始针对每一区块字符串进行循环处理

   

2

4

每一区块第一个字符的绝对位置

6

2

每一区块第一个字符的相对位置

8

2

保留

 

0x0809 Sheet1内容

0x0809 Header,20bytes

0x020BIndex,16+4*N个字节

(注:注意标志后有两位Size位,要从Size位计起)

offset

size

content

0

4

保留

4

4

第一行的序号

8

4

最后一行的序号(OpenOffice上介绍是sheet结尾的第一个未使用行的序号,行数的基数按0开始)

10

4

指向DEFCOLWIDTH(0x0055)相对于Workbook Header的位置

14

4*N

指向DBCELL(0x00D7)相对于WorkbookHeader的位置,当存在多个DBCELL时,需要设置多个。N为该sheet的行数/32

 

0x0055 DEFCOLWIDTH,6bytes

0x0200 Dimensions,18byte,存放sheet1的行数和列数。

offset

size

content

0

2

段大小(下列数据段大小)

2

4

第一行的序号

6

4

最后一行的序号

10

2

第一列的序号

12

2

最后一列的序号

12

2

保留

 

RowBlock

 

0x0208 Row,20bytes,Sheet中有多少行就有对应多少个0x0208开头的行信息,如果sheet中有5行,那么RowBlock的大小就是20*5bytes

offset

size

content

0

2

行的序号

2

2

列的序号

 

CellBlock

 

设置sheet中每一个单元格的信息,顺序为针对每一行的每一列依次设置,如00,01,02……10,11,12……20,21,22……

0x00FD LABELSST,14bytes,针对字符串值已经在SST中保存,这里只保存其对应的序号。记录文字串(在共享资料表裡)的Cell,格式为:

2byte:第几行(由0编起)

2byte:第几列(由0编起)

2byte:XFrecord索引值

4byte:共享字串表的索引值

0x027E RK2,14bytes,针对RK值(指编过码的整型或浮点型值)

0x00BD MULRK,28bytes记录数字(多个连续列)的Cell,格式为:

2byte:第几行(由0编起)

2byte:起始列(由0编起)

?byte:RKCell资讯(每个6byte)

2byte:XFrecord索引值

4byte:RK数值(后述)

2byte:结束列(由0编起)

0x00D7 DBCELL,随着行数的变化而发生变化

offset

size

content

0

4

DBCELL的偏移量减去RowBlock中第一个Row的偏移量

4

2

CellBlock中首行的第一个Cell的偏移量减去RowBlock中第二个Row的偏移量

以下为循环处理部分,1<n<=Max_Row

   

6

2

CellBlock中第n行的第一个Cell的偏移量减去第n-1行的第一个Cell的偏移量

 

当XLS中的行数大于32时,系统将循环处理,对于每个32行内容单独生成RowBlock、CellBlock和DBCELL。

0x0809 Sheet2内容

0x0809 Sheet3内容(如果有Sheet2、Sheet3)

0x000A EOF,Workbook结束标示符

==========这是吐槽线===========

这格式确实已经落后了,实在是太复杂。。。如果可以,我不再想碰这。

excel2007(xlsx格式)

xlsx格式相比旧的xls格式的数据结构要简单的多,其使用xml格式进行存储。

如下的表格:

 

A

B

C

1

姓名

性别

年龄

2

张三

30

3

小明

16

4

小红

20

 

然后将xlsx文件后缀改为zip,用压缩软件打开,其内容存储在sheet1.xml文件里:

 

<sheetData>
   <row r="1" spans="1:3" x14ac:dyDescent="0.2">
       <c r="A1" t="s">
           <v>0</v>
       </c>
       <c r="B1" t="s">
           <v>2</v>
       </c>
       <c r="C1" t="s">
           <v>1</v>
       </c>
   </row>
   <row r="2" spans="1:3" x14ac:dyDescent="0.2">
       <c r="A2" t="s">
           <v>3</v>
       </c>
       <c r="B2" t="s">
           <v>6</v>
       </c>
       <c r="C2">
           <v>30</v>
       </c>
   </row>
   <row r="3" spans="1:3" x14ac:dyDescent="0.2">
       <c r="A3" t="s">
           <v>4</v>
       </c>
       <c r="B3" t="s">
           <v>6</v>
       </c>
       <c r="C3">
           <v>16</v>
       </c>
   </row>
   <row r="4" spans="1:3" x14ac:dyDescent="0.2">
       <c r="A4" t="s">
           <v>5</v>
       </c>
       <c r="B4" t="s">
           <v>7</v>
       </c>
       <c r="C4">
           <v>20</v>
       </c>
   </row>
</sheetData>












































<c></c>标签就代表每个单元格,t="s"表示值为字符串,对应的字符串值可以在sharedStrings.xml里找到:

 

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<sst xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" count="9" uniqueCount="8">
   <si>
       <t>姓名</t>
   </si>
   <si>
       <t>年龄</t>
   </si>
   <si>
       <t>性别</t>
   </si>
   <si>
       <t>张三</t>
   </si>
   <si>
       <t>小明</t>
   </si>
   <si>
       <t>小红</t>
   </si>
   <si>
       <t>男</t>
   </si>
   <si>
       <t>女</t>
   </si>
</sst>

























 

从两个xml内容对比可知,第二个xml是Excel的内容去重后的内容集合,第一个项目xml通过集合的index来关联第二个xml的内容


 

版权声明
本文为[osc_3kd7q8y9]所创,转载请带上原文链接,感谢
https://my.oschina.net/u/4274162/blog/4948817