dotnet OpenXML 读取 PPT 内嵌 xlsx 格式 Excel 表格的信息
dotnet OpenXML 读取 PPT 内嵌 xlsx 格式 Excel 表格的信息
在 Office 中，可以在 PPT 里面插入表格，插入表格有好多不同的方法，对应 OpenXML 文档存储的更多不同的方式。本文来介绍如何读取 PPT 内嵌 xlsx 格式的表格的方法
读取方法和 dotnet OpenXML 读取 PPT 内嵌 ole 格式 Excel 表格的信息 差不多，对于 Office 2019 以上版本，插入 Excel 表格用的不是 OLE 文件的方式，而是放入一个 xlsx 文件
在 Slide.xml 页面里面，存放的是在 GraphicFrame 下的内容，简化的 OpenXML 文档如下
<p:graphicFrame>
<p:nvGraphicFramePr>
<p:cNvPr id="9" name="表格 1" />
</p:nvGraphicFramePr>
<p:xfrm>
<a:off x="5405438" y="3241675" />
<a:ext cx="3438525" cy="2009775" />
</p:xfrm>
<a:graphic>
<a:graphicData uri="http://schemas.openxmlformats.org/presentationml/2006/ole">
<mc:AlternateContent xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006">
<mc:Choice xmlns:v="urn:schemas-microsoft-com:vml" Requires="v">
<p:oleObj spid="_x0000_s1026" name="工作表" r:id="rId3" imgW="3438630" imgH="2009788" progId="Excel.Sheet.12">
<p:embed />
</p:oleObj>
</mc:Choice>
<mc:Fallback>
<!-- 忽略 -->
</mc:Fallback>
</mc:AlternateContent>
</a:graphicData>
</a:graphic>
</p:graphicFrame>插入的 rId3 的资源对应的内容如下
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships">
<Relationship Id="rId3" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/package" Target="../embeddings/Microsoft_Excel_Worksheet.xlsx" />
</Relationships>也就是说插入到页面的对应的 xlsx 文件存放路径如下
ppt\embeddings\Microsoft_Excel_Worksheet.xlsx和读取 OLE 的 xls+ 方式不同的在于不需要读取 OLE 文件拿到 xlsx 文件，只需要通过 Part 读取即可。通过如上代码可以看到在 Slide 页面存放的代码几乎相同，需要加上一点判断逻辑，才能决定是从 Part 读取还是从 OLE 文件读取
通过判断 part.ContentType 是 "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet" 的内容，即可了解是嵌入 xlsx 文件，而不是 ole 格式文件
读取的逻辑如下
using var presentationDocument = PresentationDocument.Open(file.FullName, false);
var slide = presentationDocument.PresentationPart!.SlideParts.First().Slide;
var graphicFrame = slide.CommonSlideData!.ShapeTree!.GetFirstChild<GraphicFrame>()!;
var graphic = graphicFrame.Graphic!;
var graphicData = graphic.GraphicData!;
var alternateContent = graphicData.GetFirstChild<AlternateContent>()!;
var choice = alternateContent.GetFirstChild<AlternateContentChoice>()!;
var oleObject = choice.GetFirstChild<OleObject>()!;
Debug.Assert(oleObject.GetFirstChild<OleObjectEmbed>() != null);
var id = oleObject.Id!;
var part = slide.SlidePart!.GetPartById(id!);
Debug.Assert(part.ContentType == "application/vnd.openxmlformats-officedocument.spreadsheetml.sheet");再加上判断当前的 Graphic 期望使用的应用
// 预期字符串是 “Excel.Sheet.12” 等内容
var isEmbedExcel = oleObject.ProgId?.Value?.StartsWith("Excel.Sheet", StringComparison.OrdinalIgnoreCase) is true;
Debug.Assert(isEmbedExcel);将 Part 读取放入到本地文件，用于后续解析 Xlsx 文件。为什么不能通过 part.GetStream 的方式，对返回的 Stream 进行读取即可？原因是此 Stream 是不支持随机访问的，这个 Stream 是从 System.IO.Packaging 拿到的，为了解决 N 多的坑，设计为不支持随机读取，只能顺序读取。而在解析 Xlsx 时，需要进行随机读取，否则就需要将整个文件内容都加载到内存，为了减少内存的占用，存放到文件
var tempFolder = @"F:\temp";
if (!Directory.Exists(tempFolder))
{
tempFolder = System.IO.Path.GetTempPath();
}
var xlsxFile = System.IO.Path.Combine(tempFolder, System.IO.Path.GetRandomFileName() + ".xlsx");
using (var fileStream = File.OpenWrite(xlsxFile))
{
using var partStream = part.GetStream(FileMode.Open,FileAccess.Read);
partStream.CopyTo(fileStream);
}后续就是读取 xlsx 的逻辑
using var spreadsheetDocument = SpreadsheetDocument.Open(xlsxFile, false);
var sheets = spreadsheetDocument.WorkbookPart!.Workbook.Sheets;更多读取 Excel 的方法请看 C# dotnet WPF 使用 OpenXml 解析 Excel 文件
本文以上的测试文件和代码放在github 和 gitee 欢迎访问
可以通过如下方式获取本文的源代码，先创建一个空文件夹，接着使用命令行 cd 命令进入此空文件夹，在命令行里面输入以下代码，即可获取到本文的代码
git init
git remote add origin https://gitee.com/lindexi/lindexi_gd.git
git pull origin 75c6c17055d7c254e648b7c1836f0657c72fc77a以上使用的是 gitee 的源，如果 gitee 不能访问，请替换为 github 的源
git remote remove origin
git remote add origin https://github.com/lindexi/lindexi_gd.git获取代码之后，进入 Pptx 文件夹
更多请看 Office 使用 OpenXML SDK 解析文档博客目录
更多参考：
- [MS-OFFDI].pdf
- [MS-XLS].pdf
- [MS-OI 29500].pdf
本文会经常更新，请阅读原文： https://blog.lindexi.com/post/dotnet-OpenXML-%E8%AF%BB%E5%8F%96-PPT-%E5%86%85%E5%B5%8C-xlsx-%E6%A0%BC%E5%BC%8F-Excel-%E8%A1%A8%E6%A0%BC%E7%9A%84%E4%BF%A1%E6%81%AF.html ，以避免陈旧错误知识的误导，同时有更好的阅读体验。