正在分析和生成Microsoft Office 2007文件(.docx,.xlsx,.pptx)

Office2007文件格式已打开,并且 well documented . 大致来说,所有以“x”结尾的新文件格式都是压缩后的XML文档。例如:

要打开Word 2007 XML文件,请创建 临时文件夹,用于存储 文件及其部件。

保存Word 2007文档,其中包含 文本、图片和其他元素,如 一个.dx文件。

将.zip扩展名添加到 文件名。

双击该文件。它将在 zip应用程序。你可以看到 组成文件的部分。

将部件提取到 您以前创建过。

其他文件格式大致相似。到目前为止,我还不知道有任何开放源码库可以与它们进行交互——但根据您的具体要求,阅读和编写简单的文档看起来并不太困难。当然,它应该比使用旧格式容易得多。

如果您需要读取旧的格式,OpenOffice有一个API,可以读写Office2003和旧的文档,或多或少会取得成功。

python docx模块可以从纯python生成格式化的Microsoft Office docx文件。开箱即用,它执行标题、段落、表格和项目符号,但makeElement()模块可以扩展为执行任意元素,如图像。

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')

我已经成功地使用了 OpenXML Format SDK 在项目中通过代码修改Excel电子表格。这需要.NET,我不确定它在Mono下的工作效果如何。

您可能可以检查代码 Sphider . 它们是文档和PDF文件,所以我相信它们可以阅读。对于其他Office格式,也可能引导您朝正确的方向前进。