DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
XML 編程思想:OpenOffice 開放辦公文件格式剖析
編輯:XML詳解     

OpenOffice.org 是一套成熟的開放原始碼辦公軟體,它最大的特色,是以一套開放的 XML DTD 作為原生存檔格式。這讓使用者在處理 OpenOffice.org 產生的檔案時,獲得了極大的彈性與操作空間。本文作者 Uche Ogbuji 介紹了 OpenOffice 檔案格式的結構,並說明其種種優點。

為什麼檔案格式值得計較

每當標記語言的支持者想向大眾證明 XML 這類技術的價值,幾乎都會拿出同一個例子:專有的二進位存檔格式,而最常被點名的就是文書處理軟體的存檔。討論 XML 格式前身時,逗號分隔檔(CSV)也常被提起,因為它在試算表與資料庫的匯入匯出中使用極為頻繁。

問題的嚴重性在於,文書處理器、試算表、簡報軟體、聯絡人管理器這類「前台辦公」工具所存下的檔案,承載的是大量代表使用者知識的內容。你的筆記、備忘錄、提案、分析、計畫與各種整理工具,都是知識管理的主體。一旦要升級或遷移這類軟體,最關鍵的問題就是:新版本還讀得懂舊檔案嗎?而做備份時,通常也是從這些辦公檔案下手。

廠商深諳箇中奧妙:把專有格式做得夠重要,你就不得不「忠誠」地繼續用他們的軟體;同時又把工具做得夠寬容,讓競爭對手的檔案也能開得起來。標記語言的支持者——尤其是 XML 支持者——則指出,這種「貌似仁慈的囚禁」大可不必忍受。既然這些資料如此重要,為什麼不百分之百掌握在自己手上?為什麼不讓任何一個文書編輯器都能直接打開、看懂內容?

XML 就是他們的答案。它不只是純文字,還附帶一整套工具箱,讓不同 XML 格式之間可以互相轉換。透明性與互操作性,一次到位。

XML 與辦公軟體的交會

正如預期,愈來愈多辦公工具開始提供 XML 輸出。Microsoft 在辦公套件的最新版本中大幅強化了 XML 的整合與匯出能力。而 OpenOffice.org 這個從 StarOffice 衍生的完整開放原始碼辦公套件,做法更徹底:XML 不是一個額外的匯出選項,而是它的核心存檔格式。OpenOffice 涵蓋文書處理、試算表、簡報與繪圖/圖表工具,歷史悠久(大約可回溯到 1994 年),该有的功能與特性一應俱全。

OpenOffice.org 社群——網站的志工與使用者——有共識要把檔案格式做得盡可能開放通用,希望在眾多辦公格式之間換來更大的互操作性與彈性。除此之外,他們把這套格式提交給結構化資訊標準促進組織(OASIS)新成立的技術委員會(TC)。作者本人是該委員會的創始成員之一,他認為 OpenOffice 格式可以成為一項有價值的社群資產,用來把日常工作與通訊中的人可讀文件,同各種能提升文件價值的後設資料管理串接起來。

整體格式:一個 ZIP 包著一堆 XML

作者啟動了 Linux 上的 OpenOffice 1.0.1(很高興發現它隨 Red Hat 8.0 一起發行),建立了一份文件,如下圖所示。

圖 1. OpenOffice 文書處理器工作畫面

畫面看起來與任何所見即所得(WYSIWYG)文書處理器沒什麼兩樣(OpenOffice 的使用者介面不在本文討論範圍內)。他把檔案存成 document.sxw。由於所有檔案都以 OpenOffice 原生格式保存,這其實是一個 ZIP 壓縮檔,裡面包著一組 XML 與其他支援檔案——這種打包方式稱為 OpenOffice 套件格式(package format)。

「用歸檔約定把多個相關 XML 文件與其支援檔案打包在一起」是個相當普遍的想法。XML 專家 Rick Jelliffe 就開發過以 ZIP 為基礎的 XML 應用程式歸檔格式(XAR);另外還有「直接網際網路訊息封裝」(DIME),但它是一個網際網路草案,複雜得多,且主要針對訊息傳遞與 Web 服務,並非通用歸檔格式。OpenOffice 則採用自家格式。

document.sxw 的 ZIP 內容如下:

$ unzip -v document.sxw
Archive:  document.sxw
 Length   Method    Size  Ratio  CRC-32    Name
--------  ------  ------- -----  ------    ----
    2946  Defl:N      965  67%  44fee85c  content.XML
    4638  Defl:N     1199  74%  791e906a  styles.XML
    1120  Stored     1120   0%  a921529c  meta.XML
    6183  Defl:N     1362  78%  c8586553  settings.XML
     752  Defl:N      254  66%  11144701  META-INF/manifest.XML
--------          ------- ------
    15639             4900  69%  5 files

manifest.XML:整個包的目錄

第一站是 META-INF/manifest.XML,它有點像包內所有其他檔案的中央索引。清單 1 就是範例文件的清單檔。

清單 1:圖 1 所示範例文件的清單

<?XML version="1.0" encoding="UTF-8"?>
<!DOCTYPE manifest:manifest PUBLIC "-//OpenOffice.org//DTD Manifest 1.0//EN"
  "Manifest.dtd">
<manifest:manifest xmlns:manifest="https://openOffice.org/2001/manifest">
  <manifest:file-entry manifest:media-type="application/vnd.sun.XML.writer"
                       manifest:full-path="/"/>
  <manifest:file-entry manifest:media-type="" manifest:full-path="Pictures/"/>
  <manifest:file-entry manifest:media-type="text/xml" manifest:full-path="content.XML"/>
  <manifest:file-entry manifest:media-type="text/xml" manifest:full-path="styles.XML"/>
  <manifest:file-entry manifest:media-type="text/xml" manifest:full-path="meta.XML"/>
  <manifest:file-entry manifest:media-type="text/xml" manifest:full-path="settings.XML"/>
</manifest:manifest>

所有 OpenOffice 格式都使用 DTD。作者認為這是好事:有模式(schema)能強制格式維持互操作性,而選 DTD 也確保了對 XML 工具最廣泛的支援。

這裡有個提醒:想用通用 XML 工具處理這些檔案,你要么透過「目錄(catalog)」機制解析公用識別碼,把被指定為系統識別碼的 Manifest.dtd 複製到同一目錄下;要么就只使用不讀取外部 DTD 子集的工具。OpenOffice 為所需的 DTD 與實體維護了一份內部目錄。這些 DTD 可以在 OpenOffice 安裝目錄的共享資料夾中找到,例如在 Red Hat 8.0 上位於 /usr/lib/openoffice/share/dtd/,清單 DTD 則在 /usr/lib/openoffice/share/dtd/officedocument/1_0/。你也可以直接從 OpenOffice 網站下載或線上瀏覽。

清單檔使用 OpenOffice 的公用名稱空間,通常包含一份項目清單,為每個檔案標明網際網路媒體類型(IMT)與相關路徑。子資料夾的 media-type 屬性為空(例如範例中的 Pictures 資料夾),但嵌入圖片的原始檔通常就放在這些子資料夾裡。

四個 XML 檔案各司何職

meta.XML 收錄一組文件後設資料元素:建立與最後編輯日期、編輯所花的總時間、字數、頁數、表格數、圖片數等等。

styles.XML 可以看成 XML 世界裡 CSS 與 XSL 格式化物件(XSL-FO)的交會點。它定義了文件在字型、間距、修飾、邊界、定位點等各個層面的樣式,並為每個樣式命名,好讓其他檔案引用。

settings.XML 記錄使用者對 OpenOffice 使用者介面的偏好設定。這些內容關乎編輯文件的那套應用程式,而非文件本身。這塊領域還有不少工作要做才能確保互操作性:如果同一份文件在多個(都使用 OpenOffice 格式的)應用程式中編輯,不能期待每個程式都維護相同類型的設定——而即便如此,又要如何避免它們互相衝突?

處理內容:content.XML

文件的真正核心(也就是內容本身)在 content.XML 裡。可惜在文書編輯器中直接打開,這個檔案的元素看起來有點雜亂;但你可以用多種常見 XML 工具(包括 XSLT)把字元資料抽出來,方法是套用一份空樣式表(見清單 2)。

清單 2:空 XSLT 樣式表

<xsl:stylesheet
  xmlns:xsl="https://www.w3.org/1999/XSL/Transform"
  version="1.0">
  <xsl:output method="text"/>
</xsl:stylesheet>

這份空樣式表啟用所有預設模板規則,效果就是把 XML 檔案中的所有標記剝掉。指定文字輸出方法,是為了避免結果開頭出現 XML 宣告。它可以用在任何 XSLT 處理器上:

$ 4xslt content.XML null.xslt

輸出如下:

This new column, Thinking XML, will cover the intersection of XML and knowledge architecture (KA). Knowledge architecture sounds like something tossed out by a jargon bot, but it's really just an umbrella term for some very useful technologies that are emerging now that XML is entering its adolescence...

請注意消失的字元間空白。看起來 OpenOffice 在依使用者的編輯模式標記文件中的樣式時相當嚴格。下面這段原始檔裡其實藏了不少資訊:

<text:s/><text:span text:style-name="T2">Knowledge architecture</text:span> sounds like</text:p><text:p text:style-name="Standard">something tossed out by a jargon bot, but it's really just an umbrella term</text:p>

(為方便閱讀,上面的程式碼已在單字之間斷行;實際檔案中是綿延的一整行。)

文字被切分成多個元素,空格則由 OpenOffice 視需要補上。XSLT 處理器不會做同樣的補償,於是我們就看到了上面那種字黏在一起的結果。你當然可以寫幾個簡單的 XSLT 模板,在元素範圍之間補回空格。但重點在於:這種格式可以用通用工具非常有效地處理。

結束語

本文概述了 OpenOffice 的文字檔案格式,但這個專案並不是「定一個格式然後撒手不管」。OpenOffice 提供了內容豐富的工具箱用來整合 XML 工具,第三方工具也在日益壯大,包括 SAX 過濾器、XSLT 外掛,甚至低階的 Java API。社群開發者已用這些工具擴充了 OpenOffice 的能力,讓它能載入與保存 DocBook、HTML、TeX、純文字,以及 PalmOS 與 PocketPC 所用的文件格式。

XMerge 專案則用來在 PDA、行動電話這類小型裝置上處理 OpenOffice 內容。XMerge 的開發進展相當快,連 Nokia 這樣的廠商都決定參與——這正是開放原則帶來的又一大優勢:它能吸引來自各種背景的貢獻,甚至包括商業利益方。誰都明白,開放帶來公平競爭,專有格式則相反。XMerge 以 XSLT 外掛進行文件轉換,也順帶確保了跨平台支援。

在 Open Office XML Format TC(開放辦公 XML 格式技術委員會,注意拼寫上的差異)中,我們會持續改進這些格式,並時刻關注互操作性的進一步提升。這是一個開放流程,設有公開郵件列表,任何 OASIS 會員都能正式加入。作者鼓勵所有關注前台辦公文件管理的人參與其中,包括那些只想輕鬆地用自己熟悉的工具處理 OpenOffice 檔案的人。畢竟,它不過就是 XML。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved