解析并生成Microsoft Office 2007文件（.docx，.xlsx，.pptx）

我有一个Web项目，我必须从用户提供的文档导入文本和图像，其中一种可能的格式是Microsoft Office 2007。还需要以这种格式生成文档。解析并生成Microsoft Office 2007文件（.docx，.xlsx，.pptx）

服务器运行CentOS 5.2并安装了PHP/Perl/Python。如果必须的话，我可以执行本地二进制文件和shell脚本。我们使用Apache 2.2，但一旦上线，它将切换到Nginx。

我有什么选择？任何人都有这方面的经验？

来源

2008-10-06 DV.

Office 2007文件格式已打开并well documented。粗略地说，所有以“x”结尾的新文件格式都是zip压缩的XML文档。例如：

要打开Word 2007中的XML文件创建一个用于存储文件及其零件一个临时文件夹。

保存一个Word 2007文档，其中包含文本，图片和其他元素，为的一个.docx文件。

将一个.zip扩展名添加到文件名的末尾。

双击该文件。它将在 ZIP应用程序中打开。您可以看到构成文件的部件。

将零件提取到之前创建的文件夹。

其他文件格式大致相似。我还不知道有哪些开源库可以与它们进行交互 - 但根据您的具体要求，读取和写入简单文档并不困难。当然，它应该比以前的格式容易得多。

如果您需要阅读较早的格式，OpenOffice拥有一个API，并且可以读取和写入Office 2003和较早版本的文档，或多或少取得成功。

来源

2008-10-06 06:10:41

这太棒了。感谢您的洞察力。 – Brian 2010-08-02 18:39:28

您也许可以检查Sphider的代码。他们的文档和pdf，所以我确定他们可以阅读。也可能会引导您为其他Office格式的正确方向。

来源

2008-10-06 05:56:07

我已成功在项目中使用OpenXML Format SDK来通过代码修改Excel电子表格。这需要.NET，我不确定它在Mono下的工作情况。

来源

2008-10-06 06:30:25 Hafthor

python docx模块可以从纯Python生成格式化的Microsoft office docx文件。开箱即用，它可以实现标题，段落，表格和项目符号，但makeelement（）模块可以扩展为执行像图像这样的任意元素。

from docx import * 
document = newdocument() 

# This location is where most document content lives 
docbody = document.xpath('/w:document/w:body',namespaces=wordnamespaces)[0] 

# Append two headings 
docbody.append(heading('Heading',1) ) 
docbody.append(heading('Subheading',2)) 
docbody.append(paragraph('Some text')

来源

2009-12-30 12:13:58 mikemaccana

解析并生成Microsoft Office 2007文件（.docx，.xlsx，.pptx）

回答

相关问题