Office Open XML是什么？docx和xlsx文件为何以XML格式存储？

本文共计805个文字，预计阅读时间需要4分钟。

不是“是XML文件而是这里装着XML文件——docx和xlsx本质上是ZIP压缩包，解压后才能看到一堆XML（例如：

原因很简单：OOXML 规范里存在大量隐式依赖，比如：

• relationships 文件定义了部件之间的引用关系（比如图片在哪、样式表在哪）
• sharedStrings.xml 把重复文本抽出来统一索引，改正文本不更新索引 = 文字变乱码
• 命名空间（xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main"）必须严格匹配，漏一个前缀就解析失败

python-docx 和 openpyxl 为什么不能互相替代

python-docx 只能读写 .docx，openpyxl 只能处理 .xlsx，它们底层都封装了 OOXML 的复杂性，但封装路径完全不同——不是“同一套 API 换个后缀”，而是两套独立实现。

常见误用场景：

• 想用 python-docx 修改表格里的公式？不行，它不解析 Excel 公式引擎
• 用 openpyxl 给 Word 插入带样式的段落？根本没这个接口，连 Document 类都没有
• 试图把 .xlsx 当成 .docx 传给 Document() 构造函数 → 报错 KeyError: 'word/document.xml'

手动解压改 XML 的适用场景和致命风险

极少数情况可以手动操作 ZIP+XML，比如批量替换文档中所有硬编码的旧域名、删除特定嵌入对象（如无用的 OLE 链接），但前提是：你清楚自己在动哪几个文件、是否影响关系映射、是否要同步更新校验值（如 app.xml 里的页数统计）。

容易踩的坑：

• 用普通 ZIP 工具（如 Windows 自带压缩功能）重新打包 → 缺少 ZIP 中央目录顺序或压缩方式错误 → Office 拒绝打开
• 修改 document.xml 后忘了更新 core.xml 里的修改时间戳 → Word 提示“文件已损坏，尝试恢复？”
• 用 Notepad++ 直接保存 XML → 默认加了 BOM 头 → lxml 解析时报 XMLSyntaxError: Document is empty

怎么判断该用库还是该碰 ZIP

看改动粒度：

• 改文字内容、段落样式、表格行列、单元格值、图表数据 → 用 python-docx / openpyxl
• 删整个 media/ 下某张图、替换所有 embeddings/ 中的旧 PPT 对象、清除所有 vbaProject.bin → 解压 ZIP 更直接
• 需要保留原始格式微调（比如只改某个字体名但不动其他样式链）→ 别碰 XML，openpyxl 的 font.name 或 python-docx 的 run.font.name 更安全

OOXML 的“XML”是给机器读的协议层，不是给人手写的配置文件；它的压缩包结构是契约，不是便利贴。真要绕过库，得先读透 ECMA-376 标准第1部分，而不是靠试错。