2020-3-10-PPT文档解析之母版

今天和大家介绍下PPT文档解析中的母版。

什么是母版

我们平时看到的PPT展示，实际上是有多层内容组成的。

分别是页面（Slide），布局（SlideLayout）和母版（SlideMaster）

我们使用PowerPoint或者WPS打开PPT文件，调到母版视图，就能看到左边列出的母版和布局（或者叫版式）。

image-20200310194045365

PPT文件中，可以创建多个母版，每一个母版创建多个布局。

在制作PPT时，依赖于不同的布局进行创建，不但减少了重复的工作量，也大大减少了PPT文件的体积。

在渲染时，软件会依次在三个层级渲染母版，布局，页面中的元素。最终呈现的是三个层级叠加的显示。

image-20200310193703299

PPT文档中的母版

我们解压一个pptx文件，在其中的ppt文件夹下可以看到母版，布局，页面三者的信息。

image-20200310194701794

我们在slides文件夹下任意打开一个slide的xml文件，但是发现里面并没有任何布局或者母版的相关信息。

image-20200310195051790

这是因为，PPT文档中将例如资源，样式，母版等外部的信息，定义在一个单独的文件中，然后通过一个rels文件绑定两者的关系。

我们可以在slides\_rels文件夹下找到对应的.xml.rels文件，看到里面有一个relationship节点，指向了对应的SlideLayout文件的相对路径。

image-20200310195411129

同样的，SlideLayout文件也通过同样的方式指向SlideMaster文件。

image-20200310195658640

使用OpenXMLSDK解析

由于PPT文档将relationship放在的单独的文件，我们在解析PPT文档时，必须对多个文件进行读取，这里增加了我们在解析PPT文档时的难度。

对于母版来说，更困难的一点是，slide中没有任何地方引用SlideLayout对应的relationship 的id。

这意味着如果我不解析rels文件，我根本不知道这个页面是否使用了母版。

这使得单纯的xml解析方式进行PPT文档处理变得异常困难。

所幸是如果我们是使用C#的话，微软开源了一个叫OpenXMLSDK的库，帮助我们快速解析，查询office文档。

它直接将母版信息存储到对应slide节点的属性中，所以直接可以通过slide轻松查询到对应的母版

例如我期望做页面背景的解析，就可以使用下面的方法。

image-20200310200618518

这样大家自主解析PPT文档（或者是openxml格式文件）都会变得很简单。

参考文档：

• Structure of a PresentationML document (Open XML SDK) - Microsoft Docs

本文会经常更新，请阅读原文： https://xinyuehtx.github.io/post/PPT%E6%96%87%E6%A1%A3%E7%BB%93%E6%9E%84%E4%B9%8B%E6%A8%A1%E6%9D%BF%E4%BD%8D%E7%BD%AE%E8%8E%B7%E5%8F%96.html ，以避免陈旧错误知识的误导，同时有更好的阅读体验。