Office OpenXML

从微软 Office2007开始, 当我们新建一个word文档时，其扩展名从“.doc"变为了".docx"，后者是基上遵循了一个开源的规范：Office openXML格式。

例如下图，我创建了一个最简单的word文档，包含了一个Header 区域，一个由三行彩色文字组成的段落，还有一张图片。

我们把这个文档保存到本地，将其扩展名从.docx改成.zip, 然后双击，就可以用解压软件比如winrar打开。

于是发现这一个最简单的word文档实际上由如此多的xml和文件夹构成。

使用CL_DOCX_DOCUMENT读取word文件内容

示例代码如下：

DATA: lv_content TYPE xstring,

lo_document TYPE REF TO cl_docx_document.

PERFORM get_doc_binary USING 'C:Usersi042416Desktop est.docx' CHANGING lv_content.

lo_document = cl_docx_document=>load_document( lv_content ).

CHECK lo_document IS NOT INITIAL.

DATA(lo_core_part) = lo_document->get_corepropertiespart( ).

DATA(lv_core_data) = lo_core_part->get_data( ).

DATA(lo_main_part) = lo_document->get_maindocumentpart( ).

DATA(lo_image_parts) = lo_main_part->get_imageparts( ).

DATA(lv_image_count) = lo_image_parts->get_count( ).

DO lv_image_count TIMES.

DATA(lo_image_part) = lo_image_parts->get_part( sy-index - 1 ).

DATA(lv_image_data) = lo_image_part->get_data( ).

ENDDO.

DATA(lo_header_parts) = lo_main_part->get_headerparts( ).

DATA(lv_header_count) = lo_header_parts->get_count( ).

DO lv_header_count TIMES.

DATA(lo_header_part) = lo_header_parts->get_part( sy-index - 1 ).

DATA(lv_header_data) = lo_header_part->get_data( ).

ENDDO.

上述代码的简要说明

1. 将word文档的二进制内容传入方法cl_docx_document=>load_document，得到一个文档对象引用，然后就可以借助该对象引用调用各种方法了。

2. word文档的创建者，创建时间，最后修改时间等信息都存储在所谓的“Core property part”内，可以通过方法lo_document->get_corepropertiespart获得"Core property part"的引用，再使用该引用调用方法get_data获得实际内容。

下图是get_data返回的内容的一个例子，可以看出是xml格式。

3. 现在我们准备读取word文档的正文了。使用方法lo_document->get_maindocumentpart得到word文档正文，文字的字体类型，颜色也包含在内。如下图所示：

4. Word文档里插入的图片的二进制内容当然也是可以读取出来的。使用方法：lo_image_parts->get_part返回。

同样的思路，微软Office 2007之后版本的其他格式的办公文档，比如Powerpoint和Excel等，均遵循Office OpenXML标准，因此将其后缀名改为.zip后同样可以看到大量xml和文件夹。ABAP也同样提供了标准代码来读写这些Office文档，例如CL_PPTX_DOCUMENT, CL_XLSX_DOCUMENT等等，如下图所示。