Office文件格式突变，促使Java和Office更完美集成

Office是大家非常熟悉的办公软件。它的强大的文字和表格的处理能力几乎无人能敌。而其中的Excel除了被应用在传统的表格处理中，也常被广大程序员“抓”来充当报表系统的前端。如我们使用的Java Web程序，在后台生成一个带报表数据的Excel文件，然后将这个文件送到前台浏览器（必须是IE），这样这个Excel文件就可以嵌入到IE中。

 

这样处理报表既可以利用Excel强大的表格处理功能，又可以使程序员省了很多的麻烦。但这么做有一个限制。就是服务器的Java生成Excel报表时，一般不会使用COM来调用Excel组件，而是按着Excel文件的二进制格式直接生成Excel文件。但由于Office是商业软件，微软并没有将Office的文件格式完全公开（就算公开，也不是最新版本的），这样就给生成Excel文件带来了一定的困难。虽然一些比较新的Office文档可以保存成XML格式，但这种文件格式只是一种简陋的替代，再说前端的IE并不认XML格式的Excel文档。也许是微软意识到了这个问题，在新推出的Office2007中彻底解决了这个问题。

 

在以前老版本Office中，由于法律或技术原因，脱离Office来处理Office文档将会遇到非常多的问题。也许是开源给微软带来的压力，或许是其他的原因，微软对Office2007的格式做了和以前完全不同的处理。以前的Office文档是100%的二进制格式。第三方的工具操作起来非常不方便，而Office2007从整体上都是基于XML格式的，这里并不是说Office2007文档可以保存成XML格式。而是Office2007默认的文档格式就是XML的（Word的docx、Excel的xlsx等）。也许有人会感到奇怪，用文本编辑器打开docx后，显示的仍然是二进制格式，并不是什么XML。其实docx并不是普通的XML格式，当然，也不只是一个XML文件，docx本质上是一个zip文件，里面有一系列的xml、目录和其他的文件。如果我们将docx改成zip。就可以用winzip等软件将其解开（从这一点我们可以看出，docx中的x就是指XML）。如图1是一个word2007文档解开后的目录结构。

图1 docx文档解开后的目录结构

   

目录中的XML都是基于OpenXML格式的，这个规范微软已经提供提交给了ECMA，因此，这已经成为公共的标准，我们可以自由地使用它们。由于Office2007文档全部使用了压缩的xml格式，因此，只有支持读取zip格式和xml格式的语言都可以操作Office2007的文档，当然，Java也不例外。而使用Java和Office联合操作报表将更加容易。在本文中将演示如何使用Java来操作Office2007的文档，这里以word2007为例。

下面是一个简单的Word文档，如图2如示：

图2 一个简单的word文档

我们将这个文档保存为test.docx。注意，不要保存成向后兼容的word文档格式，也不要保存成Office2003或更好的Office的WordML格式。这个文档将是一个压缩的zip格式，如果将test.docx改成test.zip，解开后的目录结构如图1如示：

 

    从上面解开的文件结构可以非常清楚地了解test.docx的保存结构。在Java中我们可以使用java.util.zip包来解开test.docx。从这个目录结构我们可以很容易地猜出文档的主要内容保存在document.xml中。而其他的xml文件将保存不同的信息。如字体信息将保存在fontTable.xml中，而Office主题将保存在theme.xml和theme1.xml中。

 

    下面我们开使使用Java对这个文件进行操作。首先我们使用JUnit4来确定test.docx是否存在，以及是否可以对其进行读写，代码如下：

@Test public void verifyFile()...{assertTrue(new File("test.docx").exists());assertTrue(new File("test.docx").canRead());assertTrue(new File("test.docx").canWrite());}

下面的代码将简单地验证java.util.zip.ZipFile类是否可以打开test.docx。

@Test public void openFile()  throws IOException, ZipException...{ZipFile docxFile = new ZipFile(new File("test.docx")); assertEquals(docxFile.getName(), "test.docx");}

经过测试，ZipFile完全可以操作test.docx。看来很多人都迫不急待了，下面就让我们来从test.docx中来读取数据吧。首先应该打开document.xml文件。代码如下：

Test public void listContents()  throws IOException, ZipException...{boolean documentFound = false;ZipFile docxFile = new ZipFile(new File("test.docx"));Enumeration entriesIter =  docxFile.entries();while (entriesIter.hasMoreElements())...{ZipEntry entry = entriesIter.nextElement();if(entry.getName().equals("document.xml"))documentFound = true;}assertTrue(documentFound);}

但是运行上面的代码将抛出一个异常，好象说明document.xml并不存在，事实上并不是如此。而是ZipFile API需要一个完整的文件或目录名，因此，需要将上面的路径变成word/document.xml。

下一步我们将通过ZipFile得到一个ZipEntry对象，并通过这个对象来看看xml中有什么，代码如下：

@Test public void getDocument()  throws IOException, ZipException...{ZipFile docxFile = new ZipFile(new File("test.docx"));ZipEntry documentXML =  docxFile.getEntry("word/document.xml");assertNotNull(documentXML);}