解析和生成 Microsoft Office 2007 文件（.docx、.xlsx、.pptx）答案

【问题标题】：Parsing and generating Microsoft Office 2007 files (.docx, .xlsx, .pptx)解析和生成 Microsoft Office 2007 文件（.docx、.xlsx、.pptx）
【发布时间】：2010-09-15 10:52:42
【问题描述】：

我有一个网络项目，我必须从用户提供的文档中导入文本和图像，其中一种可能的格式是 Microsoft Office 2007。还需要生成这种格式的文档。

服务器运行 CentOS 5.2 并安装了 PHP/Perl/Python。如果必须，我可以执行本地二进制文件和 shell 脚本。我们使用 Apache 2.2，但一旦上线就会切换到 Nginx。

我有哪些选择？有人有这方面的经验吗？

【问题讨论】：

标签： php python perl parsing office-2007

【解决方案1】：

Office 2007 文件格式是开放的，well documented。粗略地说，所有以“x”结尾的新文件格式都是 zip 压缩的 XML 文档。例如：

打开 Word 2007 XML 文件存放文件的临时文件夹文件及其部分。

保存一个 Word 2007 文档，其中包含文字、图片和其他元素，如 .docx 文件。

在文件末尾添加 .zip 扩展名文件名。

双击文件。它将在邮编应用程序。你可以看到组成文件的部分。

将零件解压到文件夹中你之前创建的。

其他文件格式大致相似。我还不知道有任何开源库可以与它们进行交互——但根据您的具体要求，阅读和编写简单的文档看起来并不难。当然，它应该比使用旧格式要容易得多。

如果您需要阅读较旧的格式，OpenOffice 有一个 API，可以读取和写入 Office 2003 和较旧的文档，或多或少成功。

【讨论】：

【解决方案2】：

python docx 模块可以从纯 Python 生成格式化的 Microsoft Office docx 文件。开箱即用，它可以处理标题、段落、表格和项目符号，但 makeelement() 模块可以扩展为处理图像等任意元素。

from docx import *
document = newdocument()

# This location is where most document content lives 
docbody = document.xpath('/w:document/w:body',namespaces=wordnamespaces)[0]

# Append two headings
docbody.append(heading('Heading',1)  )   
docbody.append(heading('Subheading',2))
docbody.append(paragraph('Some text')

【讨论】：

【解决方案3】：

我已成功在项目中使用OpenXML Format SDK 通过代码修改 Excel 电子表格。这需要 .NET，我不确定它在 Mono 下的工作情况。

【讨论】：

【解决方案4】：

您可能可以检查Sphider 的代码。他们提供文档和 pdf，所以我相信他们可以阅读。也可能会引导您朝着其他 Office 格式的正确方向发展。

【讨论】：