這是《從產品角度學EXCEL》系列第三篇。

前言請看：

或者你可以去微信公眾號@尾巴說數 獲得連載目錄。

本文僅由尾巴本人釋出於特定網站。不接受任何無授權轉載，如需轉載，請先聯絡我，非常感謝。

2 EXCEL裡的樹形結構

這段時間，上海街邊的樹上陸陸續續長出了嫩芽，放眼望去有各種層次的綠色，格外好看。我們今天的話題，恰好也與樹有關。只不過，樹都是往天空伸展枝葉的，而我們這裡討論的‘樹’，卻是由根部出發，逐行逐行往下延展、伸展。

還記得上一個章節裡，我們對一個excel檔案解壓縮後，發現了若干個xml檔案嗎？

xml本質上是一種使用樹形結構儲存資訊的文件。它由一個根節點root

正因為xml的結構與層級是如此重要，在進一步講單元格之前，我們很有必要先剖析看看excel xml樹的結構，從大體上再來理解一下excel儲存檔案的方式。

需要注意的是，這一章節大概是整個系列裡涉及最多程式設計的章節了。如果各位對程式設計不是特別感興趣，可以先跳過這一節，去看後面的內容。不過按照我個人的經驗來說，不管你是用excel做一些簡單的資料處理，還是想要在資料分析行業裡走得穩妥一些，瞭解瞭解程式設計，只會有好處而沒有壞處。

言歸正傳吧。我們回過頭來再看看excel解壓縮以後的xml檔案。

讓我們隨意開啟一個xml檔案，一串串密密麻麻的字元就這樣跳了出來。

對於不熟悉xml架構的人來說，我們只會看到眼花繚亂的括號，等號，引號。但是如果你對xml有點理解，你就會知道，這一系列的標點符號框起了一個個xml的資料結構。

對於xml來說，每一個層級都是由<標籤 屬性=ABC>內容資訊</標籤>構成的。有的內容資訊裡又會再次巢狀一層標籤層級，重重相疊，從根部開始向下延展出了無數枝葉，構成了一棵看似錯綜複雜，卻是層次分明的xml樹。人們只要定位到某一個枝葉，就可以迅速把這個枝葉下的特定資訊取出來。

但是各位再回顧看看上面的截圖，一長串一長串的程式碼，你當然可以一個個去判斷說，啊，根標籤從worksheet開始，下面有selection層級，有f層級等等，但是這樣子做，不僅低效，而且會有遺漏。

請各位在學習excel時，隨時記住一個原則，那就是可以不要手工去做的事情，就不要手工去做。寧願自己腦子廢點腦力構思最優方法，也不要直接就開始機械的作業。

那麼，在這裡，面臨這個要人工一個個看標籤的艱鉅任務時，我們該如何是好呢？

在這裡跟大家再普及一個概念的是，xml嘛，除了微軟在用於office系列文件儲存格式以外，它還廣泛應用於各種網頁設計領域。而在網頁獲取資訊這一塊，我們天然有很多工具可以通過讀取html或者xml原始碼，解析它們的結構，進行資料提取工作（高階點叫法即網路爬蟲）

所以對於這裡的excel xml原始檔，我們自然可以應用各種爬蟲工具，把xml的框架給找出來。

我 用的比較熟的應該是R語言的rvest包爬蟲了，查了一下它的文件，有一個叫xml_structure的，可以直接把xml檔案的標籤層次給讀出來，而 xml_nodes/xml_attr等，又可以把裡面特定的標籤內容給分層讀出來。那麼寫一段程式碼，幫我把excel的xml原始檔裡的層級與內容弄出 來，那就省了我很大的心力啦^^

因為R語言程式碼並不是我們的重點，所以我把原始碼放在文章末尾的擴充套件閱讀裡了，有需要的可以去看看，也可以用其他語言寫寫。有的時候只要學會一點點的程式設計，就能大大的改善各位的工作效率。要用好工具而不是被工具玩，是我希望在這系列excel教程裡告訴大家的一個點。

那麼言歸正傳。請各位看看下面這個用R語言跑出來的csv檔案截圖。

左列是我們的標籤名，右列是我們標籤裡面包含的文字。通過這個檔案，我們就可以很容易知道各個標籤裡存放了什麼文字資訊。我們會發現row下面是一串串的c/v/f。而c與v的資訊幾乎完全一樣。

另外，在r裡，我們可以通過xml_structure輸出xml檔案的結構。這兩個結合起來，我為各位繪製了一張sheet1.xml的樹形結構圖：

各 位可以看到，在worksheet資料夾裡的sheet1.xml，是在sheetdata裡按照row為標籤層級，存放了若干行的資料。而行又以 c（cell)為導向，存放了單元格的v (value)和f(函式）。有多少行，在sheet1.xml裡就有多少row，一個row有若干個有效單元格，就會有若干個c。

從這個角度看excel，會不會對excel的產品設計層次有了進一步的理解呢？

另外，上面的截圖沒有出示的一點是，在worksheet這個資料夾裡，數字是直接存在各個sheetxxx.xml裡的，而字元類文字，卻是單獨存放在外面的SharedString.xml裡。

嘿嘿，數字和文字的存放格式不一樣，各位想到了什麼？有沒有虎軀一震，想到了excel裡因為數字和文字的不同，帶來的各種不便？

在前面囉嗦完為什麼要寫這個系列，以及excel是怎麼工作以後，我們終於把拼圖最重要的一塊——解讀xml補上了。那麼接下來，我們終於要進入從產品角度看excel的正題。

下一章節：單元格背後的祕密，敬請期待：）

以及順手打個小廣告，本系列預計每週更新一章，工作很忙或者沒有靈感的時候可能會兩週更新一章。每次都會在我的微信公眾號上推送所有章節，歡迎關注我的公眾號。

當然，如果各位等不及更新，想更早了解後續內容的話，歡迎私下聯絡我。上海地區提供有償私教：）

擴充套件閱讀

R語言解析XML原始碼：

setwd("~/excel/")
library(rvest)
#程式碼用於《從產品角度學EXCEL》系列文章,XML解析
# read xml in zip files
get_xmllist<-function(access){
        list<-list.files(access,full.names=TRUE,pattern = "xml$",recursive = TRUE)
        list_name<-gsub(as.character(access),"",list)
        list_name<-gsub("\\/|\\.|\\[|\\]","-",list_name)
        list_name<-gsub("\\-\\-","-",list_name)
        list<-data.frame(list,list_name,stringsAsFactors = FALSE)
        list
}
# read xml structure
get_structure<-function(xmlfile){
        data<-xml(xmlfile,encoding="UTF-8")
        data<-data %>% html_nodes("*")
        output<-cbind(node_names=data %>% html_tag(),
                   node_text=data %>% html_text())
        output<-data.frame(output)
        output
        
}
write_result<-function(dataframe,name){
        write.csv(dataframe,paste0("./Output/",name,".csv"),row.names=FALSE)
}
#use these three function
xml_list<-get_xmllist("./sample u.xlsx/")
for (i in 1:nrow(xml_list)){
        data<-get_structure(xml_list$list[i])
        write_result(data,xml_list$list_name[i])
        
}

#write the structure
xml_structure(html(xml_list$list[8]))

微信公眾號：