利用 .Net XML 解析 Execl XML单元格

利用 .Net XML 解析 Execl XML单元格

作者：

阅读本文需要有 XML 规范基础 及 .net XML 解析基础

本文示例代码使用 Visual Stdio 2005 、Office Execl 2007

一、首先我们来看看Execl XML的开头

下面这段是文档的开头，其中定义了一些有用的命名空间，本文要用到的是：

ss:"urn:schemas-microsoft-com:office:spreadsheet"，

它代表了工作表空间。

　　中间一些跳过不管，直接看Worksheet工作表段落。Worksheet字段的Name属性表示工作表名称 Table 字段中的保存了表格的行、列数目等属性 ：

      
      
      　　接下来是关键部分，也是最乱的地方，表的数据区。
      
      
      a
      b
      ......
      9
      10
      
      　　上面的数据区如下图所示：
　　
		
　　数据区在下面是其他Table表格、下一个Worksheet工作区、表格样式等信息，这里不详细讨论了。

      

      二、Execl XML数据区的格式框架


      首先了解一下构架，从上面的数据区编码可以看出，有如下规律：

      
      
整个表以行为基础，标记是Row，行号最小的数据记录在最前面的Row中(但不一定是第一个！，随后会说到),其Index属性表示绝对行号
      
列是Row的子结点，标记是Cell(同时也表示具体数据元素)，该行中列号最小的数据记录在该行最前面的Cell中,其Index属性表示绝对列号
      
Data标记是Cell的子结点，其属性记录数据的类型等信息，其值就是数据本身
      
XML中行号、列号的Index属性是该数据在表中的绝对位置；但没有此属性的行、列则用相对位置表示，需要自己解析计算出绝对位置 
      
无论是行还是列，如果其绝对位置是1，那么都没有Index属性；如果不是1，则有Index属性
      
无论是行还是列，如果两行(列)是相邻的，那么都没有Index属性；如果不相邻，则有Index属性
      
行、列位置的表示方法 同时存在相对和绝对表示，Index属性的存在不可预知，在解析时一定要注意
      
Table使用的命名空间是"urn:schemas-microsoft-com:office:spreadsheet"
      

      

      　　需要注意的是，根据存盘情况不同，Row的情况会有变化，目前观察有如下几种：

      
用Execl第二次保存之前：不会自动出现AutoFitHeight属性；绝对行号是1则没有Index属性且是第一个Row；绝对行号是2(且是行号最小的数据)则有Index属性(=2)且是第一个Row
      
用Execl第二次保存之后：所有Row均自动加上AutoFitHeight属性；绝对行号是1则没有Index属性且是第一个Row；绝对行号是2(且是行号最小的数据)则没有Index属性且是第二个Row
      

      　　由于Row的框架会变，我们的程序就必须覆盖所有情况。不知道MS为什么要这样设计，但是很明显我们写代码时将会比较痛苦......
三、部分解析代码


      　　全部的Execl单元格解析比较复杂，这里只介绍基本的XML解析。

      　　.net XML 解析模型
		
　　
		
　　1.读入Execl XML文件

      
      
      //有时候用户需要打开Execl的同时做解析，所以我们使用流来构造XML
      //我们的目的只是读出单元格，所以使用XPathDocument可以提高解析性能
      
      //用到的命名空间
      using namespace System::IO;
      using namespace System::Xml;
      using namespace System::Xml::XPath;
      
      //按下面的参数构造流
      FileStream^ sr = File::Open("c:\Book1.XML",FileMode::Open,FileAccess::Read,FileShare::ReadWrite);
      //用流来构造XPathDocument
      XPathDocument^ doc = gcnew XPathDocument(sr);          
      　　2.构造游标、命名空间

      
      //用XPathDocument来构造XPathNavigator游标
      XPathNavigator^ navigator = doc->CreateNavigator();
      //navigator->NameTable是被原子化的XML文档内容
      XmlNamespaceManager^ manager = gcnew XmlNamespaceManager(navigator->NameTable);
      //添加命名空间，并起个名字叫ss
      manager->AddNamespace("ss","urn:schemas-microsoft-com:office:spreadsheet");
      
      　　3.查询节点
      
      //找到指定WorkSheet中Name属性,Select需要节点的绝对路径
      XPathNodeIterator^ node = navigator->Select("/ss:Workbook/ss:Worksheet/@ss:Name",manager);
      XPathNavigator^ child = node->Current;
      //未知原因SelectChild()查询子结点总是失败
      
      　　4.操作节点游标
      
      //移动到节点的第一个属性
      child->MoveToFirstAttribute();
      //移动到该节点的下一个属性
      child->MoveToNextAttribute();
      //如果在属性中则MoveToParent()回到节点，如果在节点上则回到上一级节点
      child->MoveToParent();
      //移动到下一个同级结点
      child->MoveToNext();
      //移动到第一个子结点
      child->MoveToFirstChild();
      //还有其他很多
      .....
      //得到当前游标位置上的名称(可能是节点名称(标记)，也可能是属性名称)
      child->Name;
      //得到当前游标位置上的值(可能是节点的值，也可能是属性值)
      chile->Value;
      
      四、示例代码


      　　示例代码的功能是取出Execl中指定的一列，并按照这列的值建立同名的文件夹。

      　　由于Execl XML的特殊结构，程序里面的解析比较复杂，大家下载后有时间可以看看。

      　　程序现在还有些小问题，需要改进。

      　　解析思路为：

      　　1.找到用户要求的Worksheet工作表

      　　2.游标移动到Table

      　　3.找到第一个带数据的Row；如果是相对行位置，则计算出其绝对行号(只有可能是1或2)

      　　4.按照第一个带数据的Row所在的绝对行号，找到用户要求的起始行所在的Row位置；注意其间会混杂相对行位置和绝对行位置

      　　5.在该Row内找用户要求的列(注意其间会混杂相对列位置和绝对列位置)；如果找不到，则下移一行(注意其间会混杂相对行位置和绝对行位置)，再找，直到找到该列为止

      　　6.得到Data的值(取得指定数据项)，做操作

      　　7.如果用户指定的结束行号大于表中的行号，则以表中的末尾行号为准

      　　

      运行效果：

      
数据解析工作非常辛苦、烦闷，同时也需要极大的耐心。希望我的这篇文章能给大家提供一些帮助。

      

--------------------next---------------------