Генерация Excel файлов как zip-архива

Как известно, файл Excel — это просто набор XML-файлов, определяемых форматом Office Open XML и упакованных в zip-архив, и потому для генерации нового файла помимо специализированных библиотек можно воспользоваться библиотеками для XML и zlib. Как обойтись без внешних зависимостей — под катом.

Основная идея: взять заранее подготовленный шаблон xlsx файла с пустым листом, запихнуть в нужное место несжатые (zip-формат это позволяет) XML-данные листа и пересчитать некоторые байты в заранее известных местах. Такой способ нетребователен к CPU, но получаемые файлы значительно больше по размеру, чем обычные.

Для начала рассмотрим структуру zip-архива

Пример архива из двух файлов. Источник CodeProject

Как видно каждый файл кодируется четырьмя блоками, два из которых опциональны. Каждый блок имеет специальную сигнатуру (последовательность из 4-х байт), которая в текстовом редакторе выглядит как PK.., что позволяет легко определять начало этих блоков. Local Header помимо сигнатуры содержит поля: размер сжатых данных файла, размер несжатых данных, контрольную сумму CRC32 для данных и другие. Central Header содержит те же данные, что и File Header, на который ссылается, а так же указание места, где File Header находится (число байт от начала файла, так называемый offset) и некоторые другие. End of Central Dir (EOCD) содержит число файлов в архиве и место первого Central Header. Формат zip предполагает обработку с конца файла, т.е. сначала читается EOCD секция, потом Central Header нужного файла, по нему находится File Header и потом выполняется переход к сжатым данным. Более подробное описание структур и полей можно увидеть здесь.

Стоит отметить, что каждый файл, входящий в архив, может иметь свой алгоритм и степень сжатия, задаваемые в Local Header. Архив одновременно может содержать как сжатые файлы, так и нет, чем собственно и можно воспользоваться, задав файлу, содержащему данные листа, нулевое сжатие, что позволит добавлять в секцию FileData XML-текст как он есть. После вставки новых данных первого файла необходимо пересчитать не только размер и контрольную сумму в Local Header #1 и обновить Central Header #1, но и увеличить смещение в Central Header #2 (и других тоже, если они есть) на длину добавленных данных. Это не сложно, но можно избежать, если менять не первый, а последний (в данном случае второй) файл. xlsx-файл с одним листом содержит 9 файлов. Данные листа хранятся в xl\worksheets\sheet1.xml. Чтобы сделать этот файл последним в архиве, надо всего лишь удалить его из архива, а потом заново добавить с нулевым сжатием.

Примерный вид sheet1.xml (добавлены переносы строк и отступы для читаемости)

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<worksheet xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships">
	<sheetViews>
		<sheetView tabSelected="1" workbookViewId="0"/>
	</sheetViews>
	<sheetFormatPr defaultRowHeight="12.75"/>
	<sheetData></sheetData>
	<phoneticPr fontId="0" type="noConversion"/>
	<pageMargins left="0.75" right="0.75" top="1" bottom="1" header="0.5" footer="0.5"/>
	<headerFooter alignWithMargins="0"/>
</worksheet>

Hex-данные исправленного архива в Hex-редакторе HxD.

Обратите внимание, что используется обратный порядок байт, так сигнатура 0x04034b50 записана как 50 4b 03 04, а длина файла sheet1.xml — 0x0000020C = 0x20C = 524 (байт) как 0С 02 00 00.


Чтобы внести изменения после вставки данных листа на позицию 3, отмеченную стрелочкой, необходимо из hex-редактора выписать в скольких байтах от начала файла находятся следующие поля (ниже приводятся получившиеся значения в моей файле template.xlsx)

1. CRC = 0x17F1. Добавив +4 получится смещение для сжатого размера, и еще +4 несжатого
2. Начало данных файла (стрелка 2) = 0x1819
3. Место куда будут дописаны данные (стрелка 3) = 0x1969
4. Конец данных файла = 0x1A24
5. CRC в Central Header для sheet1.xml = 0x1C69
6. Отступ в EOCD = 0x1CAF и старое значение в нем 0x1A25, которое нужно будет увеличить на длину добавленных данных

После этого можно приступать к генерации файла:

1. В массив байт читаются данные шаблона
2. Вычисляется «накапливаемый» CRC32, сначала по данным шаблона от начала данных (2) до тега sheetData (3), потом по вставляемым данным, а потом от sheetData до конца файла
3. Обновляются биты CRC и длины в структурах FileHeader и Central Header в массиве байт
4. Формируется результирующий массив, как данные файла из шаблона до тега sheetData + вставляемые данные + данные шаблона после sheetData, который и будет итоговым результатом.

С самой генерацией XML данных листа проблем возникнуть не должно, однако стоит отметить, что числа хранятся как XML-узлы

<c><v>100</v></c>

Строки же, как

<c t="s"><v>2</v></c>

где 2 указывает на второй узел в файле xl\sharedStrings.xml. Таким образом Excel экономит место, храня одинаковые строки как одно значение. Чтобы не менять в архиве еще и sharedString, строки можно писать сразу в sheet1.xml, применив атрибут inlineStr

<c t="inlineStr"><is><t>I&#39;ll be back</t></is></c>

Не стоит забывать про маскирование спец-символов XML — < > & ' " символов. В итоге должно получаться что то вида

<row>
    <c><v>100</v></c>
     <c t="inlineStr"><is><t>AAA</t></is></c> 
</row>
<row>
    <c><v>200</v></c>
    <c t="inlineStr"><is><t>BBB</t></is></c> 
</row>

Сам Excel заполняет больше XML-атрибутов, например номера строк и используемые диапазоны, но они опциональны.

Демо-программа доступна здесь, а файл шаблона здесь.