Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
ISO/IEC 29500-1 — Office Open XML 文件格式 — 第1部分：基础与标记语言参考
OOXML 生态系统工程：核心标记语言架构深度解析
ISO/IEC 29500-1 是 Office Open XML（OOXML）系列的基础卷，为文字处理文档、电子表格和演示文稿建立了完整的标记语言参考。该规范于 2008 年批准为国际标准，并经过后续版本的修订，这本超过 5000 页的规范定义了驱动全球数十亿办公文档的 XML 词汇表。对于构建文档处理系统、内容管理集成或办公自动化管道的工程师而言，掌握第 1 部分是理解整个 OOXML 生态系统的先决条件。
OOXML 规范通过第 4 部分中的显式转换映射，保持与二进制 Office 格式（DOC、XLS、PPT）的严格向后兼容性。但第 1 部分定义了原生 XML 模式——将二进制兼容层视为迁移辅助工具，而不是新实现的设计目标。
1. 标记语言架构
第 1 部分定义了三种主要的标记语言，每种都有自己的 XML 命名空间和模式：用于文字处理文档的 WordprocessingML（w: 命名空间）、用于电子表格的 SpreadsheetML（x: 命名空间）和用于演示文稿的 PresentationML（p: 命名空间）。除此之外，该标准还指定了用于共享图形基元的 DrawingML（a: 命名空间）、用于数学公式的 MathML（m: 命名空间）以及用于元数据、自定义 XML 数据和文档属性的 SharedML。
| 标记语言 | 命名空间前缀 | 主要模式文件 | 关键特性 |
|---|---|---|---|
| WordprocessingML | w: | wml.xsd | 段落、运行、文本格式、节、表格、域、邮件合并 |
| SpreadsheetML | x: | spreadsheetml.xsd | 工作簿、工作表、单元格、公式、数据透视表、图表、数据验证 |
| PresentationML | p: | presentationml.xsd | 幻灯片、幻灯片版式、占位符、动画、切换、幻灯片母版 |
| DrawingML | a: | drawingml.xsd | 形状、2D/3D 图形、文本框、图表、SmartArt、制图 |
| MathML（子集） | m: | mathml.xsd | 数学公式、符号、分数、根式、矩阵 |
| Shared MLs | r:, dcterms: | shared.xsd | 关系、自定义 XML、文档属性、元数据 |
一个关键的架构洞见是，这些标记语言被设计为可以组合在同一个包内。Word 文档可以包含 DrawingML 图形和 MathML 公式；电子表格可以在评论中嵌入 WordprocessingML 内容；演示文稿可以托管 SpreadsheetML 图表。第 2 部分中定义的包关系机制通过部分之间的类型化关系实现了这种组合。
对于高性能文档处理引擎，最有效的优化是在运行（w:r）级别而不是段落级别处理 WordprocessingML。运行是原子格式化单元——缓存运行级格式化状态可消除冗余的 XML 遍历，并显著提高大型文档的吞吐量。
2. WordprocessingML：核心文档模型
WordprocessingML 将文档表示为结构元素的树：正文（w:body）、段落（w:p）、运行（w:r）和文本（w:t）。每个级别携带在单独的属性元素中定义的格式化属性（w:pPr 用于段落属性，w:rPr 用于运行属性）。这种结构与表示的分离实现了复杂的样式级联——文档默认值、样式和直接格式化通过定义明确的优先级规则组合。
该标准仅针对 WordprocessingML 就定义了超过 1500 个元素。工程实践中最常见的包括：
| 元素 | 用途 | 工程注意 |
|---|---|---|
| w:document / w:body | 根文档容器 | 每个文档一个 w:body；节在其中定义 |
| w:p / w:r / w:t | 段落 / 运行 / 文本 | 运行是文本提取和格式化的工作单元 |
| w:pPr / w:rPr | 段落 / 运行属性 | 属性级联：docDefaults < styles < direct |
| w:tbl / w:tr / w:tc | 表格 / 行 / 单元格 | 表格可嵌套；单元格合并使用 w:gridSpan 和 w:vMerge |
| w:sdt / w:sdtContent | 结构化文档标签 | 富文本内容控件；用于表单字段和模板 |
| w:field / w:fldChar | 域 / 域字符 | 域（DATE、PAGE、TOC）是指令，不是静态文本 |
| w:hyperlink / w:bookmarkStart | 导航目标 | 每个文档中 ID 必须唯一；关系定义了目标 |
WordprocessingML 中一个臭名昭著的复杂性陷阱是跟踪修订（变更跟踪）的处理。元素 w:ins、w:del、w:moveFrom 和 w:moveTo 可以将运行片段分散到多个修订层。提取纯文本时，始终检查 rPr/ins 和 rPr/del 标记，以正确重构接受或拒绝的文档状态。
3. SpreadsheetML 和 PresentationML 概述
SpreadsheetML 使用以单元格为中心的模型，其中工作表是单元格（x:row、x:c）的网格，按列分组。单元格值存储在共享字符串表（x:sst）中以实现字符串效率——这一设计选择对于包含重复标签的大型工作簿至关重要。公式引擎支持超过 400 个内置函数、数组公式和易失性函数。
PresentationML 遵循以幻灯片为中心的架构，其中每个幻灯片引用一个幻灯片版式和一个幻灯片母版以获取默认格式化。占位符（p:ph）定义了内容区域，这些区域继承其版式对应部分的形状属性。动画和切换被定义为幻灯片计时树（p:timing）中的基于时间的行为元素。
OOXML 渲染引擎中的一个常见故障模式是关系部分（
r:id）查找处理不正确。OOXML 包中的每个部分都通过关系引用外部资源——图像、超链接、嵌入对象，甚至其他部分。如果关系查找失败（例如，错误的 TargetMode 或格式错误的 rId），整个文档可能无法打开。在调试文档加载问题时，始终验证 .rels 文件。4. 工程实现指南
实现一个兼容的 OOXML 处理器是一项重大的工程任务。该标准推荐了几个一致性级别：Transitional（最大化与遗留二进制格式的兼容性）和 Strict（纯 OOXML 模式，无遗留产物）。大多数生产软件以 Transitional 一致性为目标，因为 Strict 模式可能拒绝包含广泛使用但已弃用的元素的文档。
对于构建 OOXML 工具的团队，附录中的标准模式文件（.xsd）是权威参考——但现代开发也应利用参考实现（如 Open XML SDK for C# 或 python-docx/openpyxl）进行快速原型设计。这些库抽象了底层 XML 操作，同时保持对第 1 部分规范的忠实。
问：ECMA-376 和 ISO/IEC 29500-1 之间是什么关系？
答：ECMA-376 是最初提交给 ISO 进行快速通道标准化的 OOXML 规范。ISO/IEC 29500-1 是从 ECMA-376 派生并经过修改的国际标准。当前版本已基本协调一致，但实现者应以 ISO 版本为目标进行一致性声明。
问：OOXML 如何处理包含数百万行的大型电子表格？
答：SpreadsheetML 将共享字符串和工作表数据定义为包内的单独部分。x:sheetData 元素按顺序流式传输行。对于极大的文件，使用电子表格内置的数据透视表和缓存值支持，而不是将所有原始数据加载到内存中。
问：我可以根据第 1 部分的模式验证 OOXML 文档吗？
答：可以——该标准提供了规范性 XSD 模式。但请注意，许多有效文档使用标记兼容性命名空间（mc:）实现可扩展性，这由第 3 部分管理。使用第 1 部分模式和第 3 部分可扩展性规则进行组合验证对于完整验证是必要的。
问：w:altChunk 元素的作用是什么？
答：w:altChunk（替代格式导入块）允许将来自其他格式（如 HTML 或 RTF）的内容直接嵌入到 WordprocessingML 文档中。导入应用程序必须将替代内容转换为原生 WordprocessingML。这是一个 Transitional 特性，在 Strict 一致性模式下不可用。
