准备

扎实的Python基础，知道如何python标准库：zipfile的使用方法。
拥有xml基础，以及知道如何理解xsd(XML Schema)文件。
知道或了解ECMA-376标准。
熟悉svg矢量化图形语言(标记)，并能使用svg绘制图形。（了解原理即可）
HTML/CSS前端基础。
其他视频、音频、图片等方面的基本知识。

前言

OPEN XML 标准，基于官方文档，就是是一个基于xml的词汇表，但这些词汇表代表了不同的意义。以此来表达不同的元素和意图。

初探

.pptx文件

将文件后缀的.pptx 改为 .zip, 则可以利用电脑自身的软件，将文件解压，看到pptx文件内部的组织结构，就不会那么像一个黑匣子一样了。

如下所示:

pptx文件结构 2024-01-09 21-57-29.png

.xlsx文件

暂时忽略

.words文件

暂时忽略

OPC开放打包标准

OPC 是英文 Open Packaging Conventions 的缩写，直译过来就是 开放包约定, 也就是 open office 中，.pptx、.xlsx、.words 这三类文档基于zip压缩格式的文件内部，文件的组织安排方式。

其中，需要注意的是，基于opc的包，解压后，里面的文件不是普通意义上的文件，而是有一定特殊意义的，有特定作用的文件，并且在opc中将之称为部件(part)。

每个部件又有三个维度的基本属性，部件的文件名称、部件存放位置、部件内容类型。

这里要强调一下:

部件的文件名称: 这里之所以要用这么拗口的部件的文件名称，而不用部件名称，是因为部件根据内容类型的不同，其部件内部的还有可能有其他属性表示该部件的，具有特定意义的名称，或是作为关系的目标部件，或是作为媒体部件的关系部件时，容易与部件名称相混淆。
部件存放位置：为了保证打包后，文件的体积达到最小，所以基本上opc包中的部件基本上都具有唯一性，也就时同一个部件，不会存在多份，如果多个地方需要使用同一个部件(比如，同一个图片部件)，则用关系的方式引用。
部件内容类型：在opc包中，虽然具有很多相同后缀的部件文件(比如,app.xml、core.xml)，但他们每个部件文件的内容中代表的含义则各不相同。需要用不同的规则/方式去理解/解析里面的内容。

内容类型

在包的根目录，有一个部件为：[Content_types].xml,其中的内容大概如下:

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types">
    <Default Extension="emf" ContentType="image/x-emf"/>
    <Default Extension="jpeg" ContentType="image/jpeg"/>
    <Default Extension="rels" ContentType="application/vnd.openxmlformats-package.relationships+xml"/>
    <Default Extension="xml" ContentType="application/xml"/>
    <Default Extension="png" ContentType="image/png"/>
    <Override PartName="/ppt/notesSlides/notesSlide1.xml" ContentType="application/vnd.openxmlformats-officedocument.presentationml.notesSlide+xml"/>
    <Override PartName="/ppt/notesSlides/notesSlide2.xml" ContentType="application/vnd.openxmlformats-officedocument.presentationml.notesSlide+xml"/>
    <Override PartName="/ppt/notesSlides/notesSlide3.xml" ContentType="application/vnd.openxmlformats-officedocument.presentationml.notesSlide+xml"/>
    <Override PartName="/ppt/slideMasters/slideMaster1.xml" ContentType="application/vnd.openxmlformats-officedocument.presentationml.slideMaster+xml"/>
    <Override PartName="/ppt/slideLayouts/slideLayout4.xml" ContentType="application/vnd.openxmlformats-officedocument.presentationml.slideLayout+xml"/>
    <Override PartName="/ppt/slideLayouts/slideLayout5.xml" ContentType="application/vnd.openxmlformats-officedocument.presentationml.slideLayout+xml"/>
    <Override PartName="/ppt/slideLayouts/slideLayout6.xml" ContentType="application/vnd.openxmlformats-officedocument.presentationml.slideLayout+xml"/>
    ...
    <Override PartName="/ppt/charts/chart1.xml" ContentType="application/vnd.openxmlformats-officedocument.drawingml.chart+xml"/>
    <Override PartName="/docProps/core.xml" ContentType="application/vnd.openxmlformats-package.core-properties+xml"/>
</Types>

该文件主要说明了，opc包中各个部件的内容的类型，比如，

<Default> 标签中

<Default Extension="jpeg" ContentType="image/jpeg"/>

在默认情况下，部件文件名称后缀为.jpeg的部件，则可以将其的内容视为image/jpeg格式的内容，也就是各类图片中的jpeg图片。

而<Override> 标签中

<Override PartName="/ppt/notesSlides/notesSlide1.xml" ContentType="application/vnd.openxmlformats-officedocument.presentationml.notesSlide+xml"/>

则比Default标签中的说明更有说服力，因为这里直接指出了具体的部件位置，也就是部件/ppt/notesSlides/notesSlide1.xml 中的内容，则应视为application/vnd.openxmlformats-officedocument.presentationml.notesSlide+xml 格式的内容，也就是幻灯片中笔记幻灯片的内容，其中基于xml表示。

在后面的解析pptx具体某个部件时，要判断该部件的内容，则依据内容类型部件中说明，来决定该部件的内容类型，并调用相应函数/类/模块的代码，来解析该部件。

关系

因为pptx主要作为演示的解决方案，所以在制作幻灯片时，其中可能会涉及各种各样的元素，比如：图片，文字，视频，音频，等等。但这些元素又能根据需要设置/编辑不同的样式/颜色/边框。特别是图片时，一个图片可能会被多个幻灯片页面同时引用。

所以这里就需要一个载体表示一个部件被哪些其他部件所引用，因此这里引申出了一类特殊的部件。以.rels后缀结尾的部件文件。又称为关系部件。

每个特殊部件都会有一个关系部件，位于同级目录rels下，比如, 部件 /ppt/slides/slide1.xml 的关系部件位于/ppt/slides/rels/slide1.xml.rels

如图所示:

pptx部件关系结构 2024-01-09 22-40-37.png

其内容大致如下:

<?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/image" Target="../media/image2.emf"/>
    <Relationship Id="rId2" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/notesSlide" Target="../notesSlides/notesSlide3.xml"/>
    <Relationship Id="rId1" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/slideLayout" Target="../slideLayouts/slideLayout2.xml"/>
</Relationships>
</Relationships>

该关系部件内容表示，部件 /ppt/slides/slide1.xml 具有三个引用其他部件的关系，并且在关系中指定了目标部件，以及该部件的关系类型

最后

这里大致介绍了pptx文件的内部结构，以及对于我们开发来说，比较有意义的关系的表示，以及组织方式，具体的OPC标准，还请阅读官方文档中的第二部分:Part 2 “Open Packaging Conventions”, 5th edition, December 2021

如果有其他问题，欢迎评论，留言。

Open XML - 前期准备

准备

前言

初探

.pptx文件

.xlsx文件

.words文件

OPC开放打包标准

内容类型

关系

最后