第3章：.docx本质 —— ZIP包结构

学习目标

理解.docx本质上是一个ZIP压缩包
学会手动解压.docx查看内部结构
了解.docx包内的主要文件和目录
理解关系文件（.rels）的作用
理解内容类型文件的作用

3.1 .docx就是一个ZIP文件

很多新手不知道：.docx文件本质上就是一个ZIP压缩包。

你可以直接验证这一点：

找一个.docx文件，复制一份
将扩展名从.docx改成.zip
用你的解压软件（7-Zip、WinRAR等）解压它
你会看到里面有很多文件和文件夹

这就是.docx的真相：它不是什么神秘的二进制格式，就是一堆XML文件和其他资源文件打包压缩在一个ZIP包里。

动手实践

练习：找一个你自己的Word文档，按照上面的步骤改后缀解压，看看里面有什么。这会帮助你建立直观认识。

3.2 .docx包内的文件结构

解压一个典型的.docx文件后，你会看到类似这样的结构：

├── _rels/
│   └── .rels
├── docProps/
│   ├── app.xml
│   └── core.xml
├── word/
│   ├── _rels/
│   │   └── document.xml.rels
│   ├── document.xml
│   ├── fontTable.xml
│   ├── footer1.xml
│   ├── header1.xml
│   ├── numbering.xml
│   ├── settings.xml
│   ├── styles.xml
│   ├── theme/
│   │   └── theme1.xml
│   └── media/
│       ├── image1.png
│       ├── image2.jpeg
│       └── ...
└── [Content_Types].xml

这就是一个标准的.docx结构。让我们逐层介绍每个部分是做什么的。

根目录文件

文件	作用
`[Content_Types].xml`	定义包内每个部分的内容类型
`_rels/.rels`	定义包级关系，找到主文档在哪里

docProps目录

docProps 存放文档属性：

文件	作用
`core.xml`	核心属性：标题、作者、创建时间、修改时间等
`app.xml`	应用属性：Word版本、页数、字数统计等

word目录（核心部分）

这是最重要的目录，文档主要内容都在这里：

文件	作用
`document.xml`	主文档内容，正文文字和结构都在这里
`styles.xml`	样式定义
`numbering.xml`	编号列表定义
`settings.xml`	文档设置
`fontTable.xml`	字体表
`headerN.xml`	页眉（多个页眉多个文件）
`footerN.xml`	页脚（多个页脚多个文件）
`theme/theme1.xml`	主题定义
`media/`	存放嵌入的图片等媒体文件
`_rels/document.xml.rels`	文档内部关系，定义图片、页眉页脚等引用

3.3 关系文件（.rels）是什么

你已经看到包里有_rels/.rels和word/_rels/document.xml.rels这些文件。这些是关系文件（Relationships）。

关系的作用

Open XML使用关系来表示资源之间的引用关系。为什么不直接用文件路径？

关系的好处：

解耦：源文件不需要知道目标文件的具体路径
可移动：移动目标文件只需要更新关系文件，不需要更新所有引用
类型明确：关系可以指定类型，说明这是什么类型的引用

关系文件格式

关系文件的结构很简单，举个例子，_rels/.rels：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Relationships xmlns="http://schemas.openxmlformats.org/package/2006/relationships">
  <Relationship Id="rId1"
                Type="http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument"
                Target="word/document.xml"/>
  <Relationship Id="rId2"
                Type="http://schemas.openxmlformats.org/package/2006/relationships/metadata/core-properties"
                Target="docProps/core.xml"/>
  <Relationship Id="rId3"
                Type="http://schemas.openxmlformats.org/package/2006/relationships/metadata/extended-properties"
                Target="docProps/app.xml"/>
</Relationships>

每个<Relationship>元素表示一个关系：

Id：关系ID，在这个文件内唯一
Type：关系类型，说明这是什么关系
Target：目标文件的路径

从上面例子可以看出：

rId1指向word/document.xml，这就是主文档
所以任何程序打开docx后，先读_rels/.rels就能找到主文档在哪里

文档内关系

word/_rels/document.xml.rels是主文档的关系文件，用来引用图片、页眉、页脚等：

<Relationships xmlns="...">
  <Relationship Id="rId1" Type="..." Target="header1.xml"/>
  <Relationship Id="rId2" Type="..." Target="footer1.xml"/>
  <Relationship Id="rId3" Type="..." Target="media/image1.png"/>
</Relationships>

在主文档document.xml中，通过r:id="rId1"来引用这些关系。我们后面看具体例子。

3.4 内容类型文件 [Content_Types].xml

根目录下的[Content_Types].xml定义了包内每个部分的内容类型。

为什么需要内容类型

ZIP包本身不知道里面每个文件是什么类型，所以需要一个文件来说明。

一个典型的[Content_Types].xml：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<ContentTypes 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"/>
  <Default Extension="png"
            ContentType="image/png"/>
  <Default Extension="jpeg"
            ContentType="image/jpeg"/>
  <Override PartName="/word/document.xml"
            ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml"/>
  <Override PartName="/word/styles.xml"
            ContentType="application/vnd.openxmlformats-officedocument.wordprocessingml.styles+xml"/>
</ContentTypes>

两种声明方式

Default：默认，按扩展名定义内容类型。所有扩展名为png的都是image/png类型。
Override：覆盖，对特定路径的文件覆盖其内容类型。主要用于特殊的XML文件需要指定具体类型。

ContentType命名

Open XML的内容类型都遵循命名惯例：

application/vnd.openxmlformats-officedocument.[部分类型]+xml

例如：

主文档：...wordprocessingml.document.main+xml
样式：...wordprocessingml.styles+xml

3.5 文档属性在哪里

文档属性（作者、标题、时间等）存放在docProps目录下。

core.xml 核心属性

docProps/core.xml包含Dublin Core核心元数据：

<cp:coreProperties xmlns:cp="..." xmlns:dc="...">
  <dc:title>我的文档标题</dc:title>
  <dc:creator>张三</dc:creator>
  <cp:lastModifiedBy>张三</cp:lastModifiedBy>
  <dcterms:created>2024-01-01T12:00:00Z</dcterms:created>
  <dcterms:modified>2024-01-02T15:30:00Z</dcterms:modified>
</cp:coreProperties>

常见属性：

dc:title：文档标题
dc:creator：创建者/作者
cp:lastModifiedBy：最后修改者
dcterms:created：创建时间
dcterms:modified：最后修改时间

app.xml 扩展属性

docProps/app.xml包含应用程序特定属性：

<Properties xmlns="...">
  <Application>Microsoft Office Word</Application>
  <AppVersion>16.0000</AppVersion>
  <Pages>10</Pages>
  <Words>12345</Words>
  <Paragraphs>123</Paragraphs>
</Properties>

包含：

使用的应用程序和版本
页数、字数、段落数统计
文档安全性等信息

3.6 动手解压看看真实结构

理论说了这么多，现在动手实践一下：

准备一个简单的docx文件：创建一个新Word文档，输入几行文字，插入一张图片，保存。
复制一份，不要改坏原文件。
改扩展名：把.docx改成.zip。
解压：用解压软件解压。
浏览：看看各个文件，用文本编辑器打开XML文件看看内容。

你会看到：

XML都是文本，可读性很好
结构和我们讲的一样
你的文字在word/document.xml里
图片在word/media/里

这个练习非常重要，亲手看过一次胜过读十遍书。

本章小结

.docx本质上就是一个ZIP压缩包，改后缀就能解压查看
ZIp包内包含多个XML文件和资源文件
_rels/.rels是入口，从中可以找到主文档位置
[Content_Types].xml定义各文件的内容类型
docProps/存放文档属性（作者、时间等）
word/document.xml是主文档，存放正文内容
word/styles.xml存放样式定义
图片等媒体放在word/media/目录

下一章我们介绍Open XML标准和ECMA-376。

Keyboard shortcuts

Word文档格式内幕：.docx Open XML原理与排版设计