Excel 文件格式解析
微软的Excel格式有两种:.xls和.xlsx。Excel2003及之前的版本是.xls格式,从Excel2007开始支持.xlsx格式。只使用基本功能的话两种格式看起来并没有多大差别,但是两者文件格式确实截然不同的。
excel97-2003(xls格式)
XLS文件最为一个文件流(FileStream),是由多个子流(SubStream)构成的,下面这张图是将各个SubStream按顺序依次展现出来,这些SubStream都是有若干个整数倍Block(1 block = 512 bytes)组成。
SubStream |
|
XLS Header |
占1个block(512bytes)固定大小 |
WorkBook |
最小占8个block(4096bytes) |
Summary Information |
占8个block(4096bytes)固定大小 |
Document Summary Information |
占8个block(4096bytes)固定大小 |
XLS Header扩展区 |
只有.xls文件超过一定大小时,才会出现 |
BigBolck pointer |
最小占1个(512bytes) |
RootEntry |
占1个block(512bytes) |
其中所有单元格数据记录在WorkBook子流中,以下为WorkBook区的重要内容结构。
0x0809 WorkbookHeader,即BOF,长度范围1~20
offset |
size |
content |
0 |
2 |
存放XLS文件的版本类型 BIFF8/BIFF8X 0x0600 BIFF7 0x0500 |
2 |
2 |
WorkBookGlobals,0x0005 |
0x0031 FONT,长度24bytes。0x041EFORMAT
0x00E0 XF ExtendFORMAT
0x0293 STYLE
0x0085 BOUNDSHEET,即Sheet指针区,N个Sheet则有N个0x0085,包含每个Sheet的名称、sheet数据内容在xls文件中的偏移量。
offset |
size |
content |
0 |
2 |
数据段长度(Sheet指针区和名称区长度) |
2 |
4 |
该Sheet的BOF的绝对位移量,相对于Workbook |
6 |
Sheet名称区,长度为数据段长度-2 |
0x008C Country,语言和地区设置。
0x00FC SST内容(SharingStringTable用来存放字符串,目的是为了让各个sheet都能够共享该SST中字符串内容)(Excel表数据,所有Sheet数据均放于此)
offset |
size |
content |
0 |
4 |
数据中所有字符串的数量 |
4 |
4 |
将要放在SST中字符串的数量 |
以下开始针对每个字符串进行循环处理 |
||
8 |
2 |
该字符串的长度,若为双字节字符也算做一个 |
10 |
1 |
字符串中若包含双字节字符(如中文),则为0x01,若为纯ASCII字符,则为0x00 |
11 |
n |
存放字符串信息 |
0x00FF ExtendedSST内容 在读取XLS文件时显得不重要,但当创建XLS文件时却非常重要
offset |
size |
content |
0 |
2 |
每一区块字符串的个数,其值>=8 |
以下开始针对每一区块字符串进行循环处理 |
||
2 |
4 |
每一区块第一个字符的绝对位置 |
6 |
2 |
每一区块第一个字符的相对位置 |
8 |
2 |
保留 |
0x0809 Sheet1内容
0x0809 Header,20bytes
0x020BIndex,16+4*N个字节
(注:注意标志后有两位Size位,要从Size位计起)
offset |
size |
content |
0 |
4 |
保留 |
4 |
4 |
第一行的序号 |
8 |
4 |
最后一行的序号(OpenOffice上介绍是sheet结尾的第一个未使用行的序号,行数的基数按0开始) |
10 |
4 |
指向DEFCOLWIDTH(0x0055)相对于Workbook Header的位置 |
14 |
4*N |
指向DBCELL(0x00D7)相对于WorkbookHeader的位置,当存在多个DBCELL时,需要设置多个。N为该sheet的行数/32 |
0x0055 DEFCOLWIDTH,6bytes
0x0200 Dimensions,18byte,存放sheet1的行数和列数。
offset |
size |
content |
0 |
2 |
段大小(下列数据段大小) |
2 |
4 |
第一行的序号 |
6 |
4 |
最后一行的序号 |
10 |
2 |
第一列的序号 |
12 |
2 |
最后一列的序号 |
12 |
2 |
保留 |
RowBlock
0x0208 Row,20bytes,Sheet中有多少行就有对应多少个0x0208开头的行信息,如果sheet中有5行,那么RowBlock的大小就是20*5bytes
offset |
size |
content |
0 |
2 |
行的序号 |
2 |
2 |
列的序号 |
CellBlock
设置sheet中每一个单元格的信息,顺序为针对每一行的每一列依次设置,如00,01,02……10,11,12……20,21,22……
0x00FD LABELSST,14bytes,针对字符串值已经在SST中保存,这里只保存其对应的序号。记录文字串(在共享资料表裡)的Cell,格式为:
2byte:第几行(由0编起)
2byte:第几列(由0编起)
2byte:XFrecord索引值
4byte:共享字串表的索引值
0x027E RK2,14bytes,针对RK值(指编过码的整型或浮点型值)
0x00BD MULRK,28bytes记录数字(多个连续列)的Cell,格式为:
2byte:第几行(由0编起)
2byte:起始列(由0编起)
?byte:RKCell资讯(每个6byte)
2byte:XFrecord索引值
4byte:RK数值(后述)
2byte:结束列(由0编起)
0x00D7 DBCELL,随着行数的变化而发生变化
offset |
size |
content |
0 |
4 |
DBCELL的偏移量减去RowBlock中第一个Row的偏移量 |
4 |
2 |
CellBlock中首行的第一个Cell的偏移量减去RowBlock中第二个Row的偏移量 |
以下为循环处理部分,1<n<=Max_Row |
||
6 |
2 |
CellBlock中第n行的第一个Cell的偏移量减去第n-1行的第一个Cell的偏移量 |
当XLS中的行数大于32时,系统将循环处理,对于每个32行内容单独生成RowBlock、CellBlock和DBCELL。
0x0809 Sheet2内容
0x0809 Sheet3内容(如果有Sheet2、Sheet3)
0x000A EOF,Workbook结束标示符
==========这是吐槽线===========
这格式确实已经落后了,实在是太复杂。。。如果可以,我不再想碰这。
excel2007(xlsx格式)
xlsx格式相比旧的xls格式的数据结构要简单的多,其使用xml格式进行存储。
如下的表格:
A |
B |
C |
|
1 |
姓名 |
性别 |
年龄 |
2 |
张三 |
男 |
30 |
3 |
小明 |
男 |
16 |
4 |
小红 |
女 |
20 |
然后将xlsx文件后缀改为zip,用压缩软件打开,其内容存储在sheet1.xml文件里:
<sheetData>
<row r="1" spans="1:3" x14ac:dyDescent="0.2">
<c r="A1" t="s">
<v>0</v>
</c>
<c r="B1" t="s">
<v>2</v>
</c>
<c r="C1" t="s">
<v>1</v>
</c>
</row>
<row r="2" spans="1:3" x14ac:dyDescent="0.2">
<c r="A2" t="s">
<v>3</v>
</c>
<c r="B2" t="s">
<v>6</v>
</c>
<c r="C2">
<v>30</v>
</c>
</row>
<row r="3" spans="1:3" x14ac:dyDescent="0.2">
<c r="A3" t="s">
<v>4</v>
</c>
<c r="B3" t="s">
<v>6</v>
</c>
<c r="C3">
<v>16</v>
</c>
</row>
<row r="4" spans="1:3" x14ac:dyDescent="0.2">
<c r="A4" t="s">
<v>5</v>
</c>
<c r="B4" t="s">
<v>7</v>
</c>
<c r="C4">
<v>20</v>
</c>
</row>
</sheetData>
<c></c>标签就代表每个单元格,t="s"表示值为字符串,对应的字符串值可以在sharedStrings.xml里找到:
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<sst xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" count="9" uniqueCount="8">
<si>
<t>姓名</t>
</si>
<si>
<t>年龄</t>
</si>
<si>
<t>性别</t>
</si>
<si>
<t>张三</t>
</si>
<si>
<t>小明</t>
</si>
<si>
<t>小红</t>
</si>
<si>
<t>男</t>
</si>
<si>
<t>女</t>
</si>
</sst>
从两个xml内容对比可知,第二个xml是Excel的内容去重后的内容集合,第一个项目xml通过集合的index来关联第二个xml的内容
Excel 文件格式解析相关推荐
- python实战|python爬取58同城租房数据并以Excel文件格式保存到本地
python实战|python爬取58同城租房数据并以Excel文件格式保存到本地 一.分析目标网站url 目标网站:https://cq.58.com/minsuduanzu/ 让我们看看网站长啥样 ...
- Java进度条(excel文件解析)的实现
文件上传页面 <!doctype html> <html> <head> <meta charset="utf-8"> <ti ...
- Android init.rc文件格式解析
/****************************************************************************** Android init.rc文件格式解 ...
- python pandas读取excel-Python使用Pandas读写Excel实例解析
这篇文章主要介绍了Python使用Pandas读写Excel实例解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 Pandas是python的一个 ...
- 【Android 逆向】Android 逆向方法 ( 静态逆向解析 | 函数调用分析 | 动态运行跟踪 | 运行日志分析 | 文件格式解析 | 敏感信息分析 | 网络信息监控 | 环境伪装模拟 )
文章目录 一.Android 逆向方法 1.静态逆向解析 2.函数调用分析 3.动态运行跟踪 4.运行日志分析 5.文件格式解析 6.敏感信息分析 7.网络信息监控 8.软件动态调试 9.环境伪装模拟 ...
- struts导入Excel进行解析
为什么80%的码农都做不了架构师?>>> struts导入Excel进行POI解析,源码地址:http://download.csdn.net/detail/bq1073100 ...
- gcc 删除elf_ELF文件格式解析器 原理 + 代码
本文为看雪论坛精华文章 看雪论坛作者ID:菜鸟m号 附件链接:[原创] ELF文件格式解析器 原理 + 代码 写在前面: 读<Linux二进制>,发现作者对 ELF文件格式部分并没有做详细 ...
- cfile清空文件内容_编译-链接-加载 :ELF文件格式解析
摘要:对于C++的初学者,经常在程序的编译或者加载过程中遇到很多错误,类似undefined reference to ... 和 GLIBCXX_3.4.20 not found 等.这些错误都涉及 ...
- 打开Excel显示:新建EXCEL文件格式和扩展名不匹配(原因+解决办法)
打开Excel显示:新建EXCEL文件格式和扩展名不匹配(原因+解决办法) 我最开始安装了Office2019,然后安装了WPS(版本:11.1),然后WPS默认开启了自动更新(关闭方法自行百度),把 ...
- jxls使用excel公司_使用jXLS将Excel文件解析为JavaBeans
jxls使用excel公司 这篇文章展示了如何使用jXLS将Excel文件解析为JavaBeans列表. 这是我编写的通用实用程序方法: /** * Parses an excel file into ...
最新文章
- Linux--VI命令大全
- 关于页面有多个验证控件和多个按钮的问题
- xi mapping function-concat
- ubuntu安装java8
- 分析深圳电信的新型HTTP劫持方式
- 蓄水池抽样(Reservoir Sampling)
- 【java】java 随机数 Random ThreadLocalRandom SecureRandom
- 为什么不该唯经验论?!
- Linux格式化分区报错Could not start /dev/sda No such file or directory 解决办法
- sxssfworkbook 设置单元格大小_Offset属性和Resize属性相结合,完美实现选择区域大小的改变...
- java图片滑动_java图片滑动验证(登录验证)原理与实现方法详解
- vb.net 教程 3-1 窗体编程基础 2
- linux 版的 wps 缺少字体的解决办法
- java 取系统当前时间_java获取当前系统时间方法
- 美女时钟(shell)
- 小象学院python网课值得吗-小象学院的机器学习集训营课程怎么样?
- 搭建公众号微商城+小程序微商城 企业商城系统一条龙 拖拽可视化装修模板
- android 模拟自动点击,自动点击器(模拟点击)
- Android 使用ADB命令安装、卸载软件
- 打字 html,html - 在线打字测试(dazi.kukuw.com)
热门文章
- uniapp下微信小程序超过2MB大小限制的解决方法
- C语言中实现字符串的拼接
- 计算机图形学红绿蓝组合颜色,二、颜色_计算机图形学(部分章节二)_ppt_大学课件预览_高等教育资讯网...
- Tushare介绍和入门级实践(2)——使用tushare接口获取沪深300成分股的财报数据并输出到本地
- 2022年天猫618超级红包玩法入口
- web漏洞扫描器原理_每周一喂丨用于渗透测试的10种漏洞扫描工具
- 英雄联盟轮播图手动轮播
- 计算机学院运动会海报,《图文》运动会宣传海报资料
- android设备登录是什么手机_Android手机丢失或被盗?现在就告诉你如何找回它
- 《墨菲定律》读书笔记