OpenXml SDK學習筆記（1）：Word的基本結構
能寫多少篇我就不確定了，可能就這一篇就太監了，也有可能會寫不少。
OpenXml SDK 相信很多人都不陌生，這個就是管Office一家的文檔格式，Word, Excel, PowerPoint等都用到這個。並且，這個格式主要是給Word 2007以上使用的。如果是用到其中Excel部分，那建議直接使用NPOI這樣的成品類庫就行。
但是，NPOI FOR WORD真的是太難受了。當然，也不是說一定要用NPOI，現在成品的WORD操作庫也不是沒有，比如DocX。這個庫基本算是 Xceed Words for .NET 的簡化版。GitHub //github.com/xceedsoftware/DocX 。而且，這個庫非常牛逼的地方在於他是直接操作XML的，效率是上去了，可讀性就下去了啊。要讀懂這個，恐怕得對 ISO/IEC 29500 這個標準非常熟悉。那沒救了，我是專精資訊系統開發的，對這個標準的理解非常一般。而且說實話，這個標準里 95% 以上的內容我根本用不到，我又不用做一個Word，我只需要把我系統里的東西生成為一個Word顯示出來就行了。
那於是，我痛定思痛，自己讀文檔吧：//docs.microsoft.com/zh-cn/office/open-xml/open-xml-sdk （當然，英文的品質比中文可高多了，不過懶的看英文）。這文檔寫的可真是太專業了，想讀懂它恐怕得要點技術水平。所以呢，我打算把這個文檔給拆一下，做一個筆記。能寫多少就隨緣了，反正我把需求實現完了就不寫了。恐怕兩三篇就完事了。那第一篇講的就是Word的基本結構。
一、WordprocessingML的理解
在看文檔和使用的時候，就可以發現這樣的一個命名空間：Wordprocessing。也可以看到這樣的名詞WordprocessingML。什麼意思呢，Office家的這個產品叫Word，其作用是處理文字。所以，Wordprocessing翻譯成 文字處理 就行了。對於OpenXml結構的docx文件那就是一個壓縮包。你把後綴名從docx改成zip就可以用解壓軟體打開了。在其中，可以看到這樣的結構：
這個結構里，第一個文件夾word就是我們要關注的內容，這個文件夾里是這樣的：
有圖片的話會更複雜一點，再多一個media文件夾，裡面存著圖片。不過這個無關緊要，本次我的需求只是簡單的輸出一個純文檔的證明文件。所以，不要管圖片了。
在這裡，重點需要注意注意的xml有兩個，document.xml和styles.xml。他們分別對應著docx文件的樣式部分和正文部分，大致就是這樣的：
也就是說，如果我們需要通過程式碼編輯一個純文本的Word，那就是修改這兩個xml就可以了。甚至於，如果不需要搞樣式的話，只要改docment.xml就行了。這兩個Xml適用的標準就是 ISO/IEC 29500，並且這種Xml就稱為：WordprocessingML。
但是，手寫xml可太刑了。把整個 ISO/IEC 29500:2016 讀完怕不是半條命就要去掉了。再等你把程式碼寫完，恐怕你的工作就已經涼涼了。所以呢，微軟自己出了個 OpenXml SDK 幫助開發者編輯這種Xml文件。不過呢，這玩意也是真的難用。而且說實話，裡面一大片功能是根本用不著。說實話，日常使用的時候，也就是搞個樣式，然後向裡面添加文字，設置一下字體和段落樣式，頂多插入點圖片和表格。
對於我這種做普通的資訊管理系統的人來說，圖片和表格里都有大把的功能是完全用不著的。而且對於MIS的絕大部分用例而言，我都是只需要生成Word，然後由Word程式讀取，而不需要由我來讀一個Word模板，然後再向其中修改。當然，如果你會寫了，讀也不是什麼太難的問題，只不過Word那個鬼程式里的Run真的是看不懂生成規律，經常會有亂七八糟的東西。所以，如果有碰到讀模板再向里寫的需求，我另外寫一個筆記。
二、創建一個Word文件
打開VS，然後創建一個命令行程式，向裡面添加一個名為「DocumentFormat.OpenXml」的Nuget包，這樣項目的引用關係就做完了。然後添加以下程式碼：
1 if (File.Exists("newDocx.docx")) 2 { 3 File.Delete("newDocx.docx"); 4 } 5 6 using (WordprocessingDocument doc = WordprocessingDocument.Create("newDocx.docx", DocumentFormat.OpenXml.WordprocessingDocumentType.Document)) 7 { 8 var main = doc.MainDocumentPart; 9 if (doc.MainDocumentPart == null) 10 { 11 doc.AddMainDocumentPart(); 12 } 13 14 if (doc.MainDocumentPart.Document == null) 15 { 16 doc.MainDocumentPart.Document = new Document(); 17 } 18 var body = doc.MainDocumentPart.Document; 19 20 Paragraph para = new Paragraph(); 21 Run r = new Run(); 22 Text t = new Text(); 23 t.Text = "Hello World"; 24 r.Append(t); 25 para.Append(r); 26 body.Append(para); 27 28 doc.Save(); 29 }
運行一下，就可以發現在運行目錄下，出現了一個名為 newDocx.docx 的文件。這個文件打開，裡面就一行 Hello World 文本。雖然，這個Hello World程式簡單，但是要理解這個東西就 特！別！麻！煩！
首先，using語句塊里，「WordprocessingDocument」對象 就是一個docx文檔對象，也就是上文所述的那個壓縮包。聲明這個對象通常使用兩種方法：Open和Create。非常好區別，一個是打開，一個是創建。
之後，「MainDocumentPart」這個屬性就相當於壓縮包里的「word」文件夾，非常的真實。
接著，「MainDocumentPart.Document」這個屬性就相當於「word」文件夾下的「document.xml」文件，更真實了。
再下，「Paragraph」是一個段落。一份Word是由多個段落或者表格組成的。所以，在Word文檔里，看到回車符，就可以認為是一個「Paragraph」對象的結束。
在「段落」里，有多個連續文本，也就是「Run」。一個Run就相當於Html里的span標籤。比如，上文中，Hello World整個文本都是一樣的格式。所以，就應當在一個Run里。寫成Html大致是這樣的感覺：
1 <p> 2 <span>Hello World</span> 3 </p>
但是，並不是所有情況都是這樣的。在很多時候，一個段落的文本也是有不同的格式的。比如說，中文和英文的字體不一樣，或者其它情況。比如，下文這樣：
那這時，就需要對段落內的文本再進行拆分。上圖的格式，寫成Html大致是這樣的感覺：
1 <p> 2 <span>某</span> 3 <span>個</span> 4 <span>大</span> 5 <span>學</span> 6 <span>大</span> 7 <span>學</span> 8 <span>生</span> 9 <span>創</span> 10 </p>
所以呢，這裡每一個字都是一個Run。在Run里，則是正式的文字，相當於span的#innerText。但是，WordprocessingML要求你將這些文字放在名為Text的段落里。
至此，整個Word的基本結構就看懂了。Document裡面有若干個Paragraph。每個Paragraph里，前後格式完全一樣的文本放在一個Run里。前後格式不一樣的文本放在不同的Run里。每一個Run裡面再有若干個Text。那麼，練習一下，下面的Word有幾個Paragraph，幾個Run?
這個就是我需求的一部分，我也沒有截全。但是看的出來，是有兩個段落。所以，兩個Paragraph安排上。第一個Paragraph里，「茲證明」的格式是一樣的，但是後面的下劃線的文本是「空格符」，文本格式是「下劃線」。他們的格式與前面的「茲證明」不一樣。所以，哪怕再後續的「學院教師」與「茲證明」的格式相同，這裡也得分成三個Run。再之後，又是一個下劃線，再一個Run。再後，根據需求，這個括弧也是三號宋體和文字的格式一樣，所以「（教工號：」是一個Run。下劃線再一個Run。「）指導項目如下：」一個Run。所以，第一段里就有7個Run。
第二段，就留給大家做練習了。在我截出來的部分，所有數字元號都是三號宋體，和文字一樣。算一下多少個Run？具體過程我就略了，答案是5個。
