[从产品角度学EXCEL 02]-EXCEL里的树形结构

Question

如题所述

Answer 1

本文属于《从产品角度学EXCEL》系列的第三篇，主要探讨EXCEL里的树形结构。在前几篇中，我们了解了EXCEL的操作原理和本质，以及XML文件在EXCEL中的应用。现在，我们来深入探讨一下EXCEL中的树形结构。

在上一章节中，我们对一个EXCEL文件进行了解压，发现了多个XML文件。XML是一种使用树形结构存储信息的文档格式，它以一个根节点开始，逐层逐层长出枝节，并为每一层打上标签，以便EXCEL解析器快速定位信息内容。每一层和底部的节点代表了信息的不同分类属性。理解它们的属性和层级结构，有助于我们理解这颗结构树的形状。

由于XML的结构和层级性在后续章节中会非常重要，因此在进一步探讨单元格之前，我们有必要先分析一下EXCEL的XML树结构，以更好地理解EXCEL文件的存储方式。这一章节是系列中编程内容较多的一节，对于不熟悉编程的读者，可以先跳过这一节，直接阅读后续内容。然而，了解编程知识对于利用EXCEL进行数据处理或在数据分析行业工作是有益的，尤其是编程中的设计原则，如合理接口设计、功能块分离等，在使用EXCEL处理数据时也非常适用。

回到主题，我们再次查看EXCEL解压后的XML文件。随意打开一个XML文件，我们会看到一串密密麻麻的字符，对于不熟悉XML架构的读者来说，这看起来像是一堆混乱的括号、等号和引号。但如果你对XML有所了解，你就会知道，这些标点符号构成了XML的数据结构。XML的每个层级都由内容信息构成，而这些内容信息可能再次嵌套一层标签，层层相叠，形成一棵看似错综复杂但层次分明的XML树。定位到树的任一枝叶，可以快速获取该枝叶下的特定信息。要理解这棵树的结构，首先需要了解树的层级、每个层级的名称和内容。

然而，如果手动查看每个标签，不仅效率低下，且容易遗漏信息。在学习EXCEL时，要记住一个原则：尽可能自动化，避免重复性手工操作。因此，利用编程工具可以帮助我们更高效地解析EXCEL的XML源文件。在本章节中，我们将介绍如何使用R语言的rvest包爬虫工具解析XML文件的标签层次和内容。通过这一工具，我们可以轻松地获取XML文件的结构信息。

具体操作中，我们可以使用R语言的xml_structure函数读取XML文件的标签层次，以及xml_nodes和xml_attr函数读取特定标签的内容。编写一段代码，即可生成EXCEL XML源文件的标签层次与内容。这样不仅节省了大量时间，还能大大提高工作效率。

在R语言代码后，我们生成了CSV文件，文件中左列是标签名，右列是标签内的文本信息。通过该文件，我们可以很容易地了解各个标签所包含的文本信息。我们发现，row标签下是一串串的c/v/f。c与v的信息几乎完全相同，而它们通常代表单元格的值和函数。

从树形结构的角度来看EXCEL，是否对EXCEL的产品设计层次有了更深入的理解呢？在XML结构中，数字直接存储在各个sheetxxx.xml文件中，而字符类文本则单独存储在SharedString.xml文件中。这种数字和文本的存储格式不同，为我们揭示了EXCEL中数字与文本处理的复杂性。

在经过长时间的准备工作后，我们终于将解读XML这一关键环节补充完整。接下来，我们将进入从产品角度探讨EXCEL的正题。下一章节将深入探讨单元格背后的秘密，敬请期待。