第5章：文档结构入门

学习目标

• 理解Word文档的整体结构
• 认识document.xml的基本框架
• 理解块（block）和行（inline）层次
• 理解段落（paragraph）和运行（run）的概念
• 理解属性的表示方式

5.1 document.xml 的整体结构

我们已经知道，主文档内容在word/document.xml中。让我们来看一个最简单的完整例子：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<w:document xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
  <w:body>
    <w:p>
      <w:r>
        <w:t>你好，Word!</w:t>
      </w:r>
    </w:p>
    <w:sectPr/>
  </w:body>
</w:document>

这就是一个只包含一段文字“你好，Word!“的完整document.xml。我们逐层拆解。

层次结构

w:document
└── w:body          （文档正文）
    ├── w:p          （段落Paragraph）
    │   └── w:r      （运行Run）
    │       └── w:t  （文本Text）
    └── w:sectPr     （节属性Section Properties）

最外层是<w:document>，里面是<w:body>，正文都在body里。

5.2 核心概念：段落（p）和运行（r）

理解段落和运行是理解WordprocessingML的关键。

段落（Paragraph，w:p）

• 段落是Word中块级内容的基本单位
• 一个段落对应Word中你敲一个回车产生的段落
• 每个段落有自己的段落格式（对齐、缩进、间距等）
• 段落可以包含多个运行（run）

运行（Run，w:r）

• 运行是段落中具有相同格式的一段文本
• 同一个段落中，如果文字格式变化了，就需要分成多个run
• 例如：一句话中，一部分是粗体，一部分不是，就需要两个run

文本（Text，w:t）

• <w:t>元素包含实际的文本内容
• 一个run中可以有一个<w:t>

例子：多个run的段落

来看一个例子：这句话“这是粗体文字“，“粗体“两个字是粗体，XML会写成：

<w:p>
  <w:r>
    <w:t>这是</w:t>
  </w:r>
  <w:r>
    <w:rPr>
      <w:b/>
    </w:rPr>
    <w:t>粗体</w:t>
  </w:r>
  <w:r>
    <w:t>文字</w:t>
  </w:r>
</w:p>

看到了吗？因为格式变化了，所以分成了三个run：

• 第一个run：“这是”，普通格式
• 第二个run：“粗体”，带有粗体属性<w:b/>
• 第三个run：“文字”，回到普通格式

这就是run的作用：同一个段落内，不同格式要分开。

5.3 结构层次总结

WordprocessingML的结构层次：

为什么这么设计？

这样的设计很灵活：

• 可以在段落中间改变格式
• 每个run独立设置格式
• 结构清晰，容易解析

5.4 属性的表示方式

在Open XML中，格式属性怎么表示？

属性元素

大多数格式属性都有专门的元素表示：

• 粗体：<w:b/>
• 斜体：<w:i/>
• 下划线：<w:u w:val="single"/>

属性存储位置

• 段落属性存在<w:pPr>（paragraph properties）
• 运行属性存在<w:rPr>（run properties）

例如：

<w:p>
  <w:pPr>
    <!-- 段落属性在这里 -->
    <w:jc w:val="center"/>  <!-- 居中对齐 -->
  </w:pPr>
  <w:r>
    <w:rPr>
      <!-- 运行属性在这里 -->
      <w:b/>                  <!-- 粗体 -->
      <w:color w:val="FF0000"/> <!-- 红色 -->
    </w:rPr>
    <w:t>居中和红色粗体</w:t>
  </w:r>
</w:p>

w:val 属性

很多属性元素使用w:val属性来指定值：

<w:sz w:val="24"/>  <!-- 字号：24半磅 = 12磅 -->
<w:jc w:val="right"/> <!-- 对齐：右对齐 -->

布尔属性的表示

对于开关类型的属性（开/关），有几种表示方式：

1. 只写标签，没有val - 表示开

   <w:b/>  <!-- 粗体打开 -->
   

2. 用val表示 - w:val="1"或w:val="true"表示开，w:val="0"或w:val="false"表示关

   <w:b w:val="1"/>  <!-- 粗体打开 -->
   <w:b w:val="0"/>  <!-- 粗体关闭 -->
   

两种写法Word都支持，第一种更简洁。

5.5 节属性（sectPr）

在w:body的最后，你通常会看到<w:sectPr>元素。

什么是节（section）？

• 节是Word中页面设置的单位
• 一个文档可以分成多个节，每节可以有不同的页面设置
• 节属性包含页面大小、方向、边距等设置
• 最后一个节的节属性放在body末尾

最简单的情况，文档只有一节，所以body最后放一个sectPr：

<w:body>
  <!-- ... 所有内容 ... -->
  <w:sectPr/>
</w:body>

如果有分页设置不同的页面方向（比如前几页纵向，中间一页横向，后面又纵向），就需要分多个节，每个节有自己的sectPr。

我们后面讲页眉页脚和分节的时候会详细说。

5.6 一个完整的例子

让我们来看一个稍微完整一点的例子，包含两段不同对齐方式，一些文字格式：

<?xml version="1.0" encoding="UTF-8"?>
<w:document xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
  <w:body>

    <!-- 第一段：居中标题 -->
    <w:p>
      <w:pPr>
        <w:jc w:val="center"/>
      </w:pPr>
      <w:r>
        <w:rPr>
          <w:b/>
          <w:sz w:val="36"/>
        </w:rPr>
        <w:t>标题</w:t>
      </w:r>
    </w:p>

    <!-- 第二段：左对齐正文 -->
    <w:p>
      <w:pPr>
        <w:jc w:val="left"/>
      </w:pPr>
      <w:r>
        <w:t>这是一段普通文字，这里有</w:t>
      </w:r>
      <w:r>
        <w:rPr>
          <w:i/>
        </w:rPr>
        <w:t>斜体</w:t>
      </w:r>
      <w:r>
        <w:t>和</w:t>
      </w:r>
      <w:r>
        <w:rPr>
          <w:b/>
        </w:rPr>
        <w:t>粗体</w:t>
      </w:r>
      <w:r>
        <w:t>。</w:t>
      </w:r>
    </w:p>

    <w:sectPr/>
  </w:body>
</w:document>

这个例子展示了：

• 段落级格式（对齐）放在w:pPr
• 运行级格式（粗体、斜体、字号）放在w:rPr
• 格式变化就分成多个run

现在你应该能看懂基本的document.xml了。

5.7 动手练习

现在你可以自己动手试试：

1. 解压一个简单的docx文件
2. 用文本编辑器打开word/document.xml
3. 找找看：w:document, w:body, w:p, w:r, w:t这些元素
4. 看看段落属性w:pPr和运行属性w:rPr在哪里
5. 看看不同格式文字是不是分成不同的run

亲手看一次，你对结构的理解会深刻很多。

本章小结

• document.xml的基本结构：w:document → w:body → w:p → w:r → w:t
• 段落（p）是块级单位，对应一次回车
• 运行（r）是同一格式的文本片段，段落内格式变化就分多个run
• 段落属性在w:pPr，运行属性在w:rPr
• 属性通常用w:val指定值，布尔属性可以只写标签表示开启
• w:sectPr是节属性，放在body最后，包含页面设置

现在我们已经入门了，下一章深入讲解主文档结构。