OOXML 格式结构解析

在探讨 Office Open XML（OOXML）时，最容易被忽视的其实是它背后那层严密的包装逻辑——一个符合 OPC 标准的 ZIP 容器。打开任意 .docx、.xlsx 或 .pptx，看到的并不是“文档”，而是一组相互关联的 XML 部件、二进制资源以及一份描述这些部件关系的清单。

核心组成：包、部件与关系

包（Package）是容器的根，内部通过 _rels/.rels 文件定义了根部件与子部件的关联。每个子部件（Part）都有唯一的 URI，常见的如 word/document.xml、xl/workbook.xml、ppt/presentation.xml。而关系（Relationship）则以 .rels 文件的形式出现，指明部件之间的依赖，例如图片与文档正文的映射。

• 根关系文件 _rels/.rels：指向主文档部件（Word、Excel、PowerPoint）以及核心属性部件。
• 内容类型清单 [Content_Types].xml：为每种扩展名映射 MIME 类型，确保解压后系统能正确识别。
• 媒体资源目录：word/media/、xl/media/、ppt/media/ 保存原始图片、音频、视频等二进制文件。

内容类型文件的结构示例

<Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types">
    <Default Extension="rels" ContentType="application/vnd.openxmlformats-package.relationships+xml"/>
    <Default Extension="xml" ContentType="application/xml"/>
    <Override PartName="/word/document.xml" ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml"/>
    <Override PartName="/ppt/presentation.xml" ContentType="application/vnd.openxmlformats-officedocument.presentationml.presentation.main+xml"/>
    <Override PartName="/xl/workbook.xml" ContentType="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet.main+xml"/>
</Types>

细看上述 XML，<Default> 为通配的文件扩展名提供 MIME，<Override> 则对特定部件做精确映射。正是因为这层映射，第三方解析器才能在不解压全部内容的情况下快速定位目标部件。

关系文件如何定位图片

以 Word 为例，正文部件 word/document.xml 中的图片引用形如 <w:drawing>…<a:blip r:embed="rId5"/>…。对应的关系文件 word/_rels/document.xml.rels 会有一行 <Relationship Id="rId5" Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/image" Target="media/image1.png"/>。如此一条链路，就把 XML 中的占位符和实际二进制文件绑定起来。

如果把关系视作“目录”，那么媒体文件夹就是“仓库”。对 Excel、PowerPoint 同理，只是关系的 Type URI 略有差别，却遵循同一套 OPC 规范。

实战提示：快速定位部件的技巧

• 使用 7‑Zip 打开 .docx，先查看 _rels/.rels，确认根部件路径。
• 在根部件对应的 *.xml.rels 中搜索 Type="…/image"，即可得到所有图片的 Target。
• 若需批量提取，编写脚本读取 Content_Types.xml，匹配 image MIME，直接复制 media/ 目录下的文件。

掌握了这些结构要点，解析 OOXML 再也不是“黑箱”。无论是自研文档审计工具，还是偶尔需要手动恢复丢失的媒体资源，都能在几行代码里完成。