Office OpenXML-WordprocessingML 解析（二）：字符和字符格式

1. 字符

在 OpenXML 文档中，文本字符通过以下形式表示：

<w:p> // Paragraph
  <w:r> // Run
    <w:t>中文English</w:t> // Text
  </w:r>
</w:p>

其中 p(Paragraph) 元素表示段落，r(Run) 元素表示一个文本范围，其中包含多个字符，即便这些字符属于不同语言。

2. 字符格式

字符格式位于 rPr(RunProperties) 元素中，如下所示：

  <w:r> // Run
    <w:rPr> // RunProperties
      <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman" w:eastAsia="微软雅黑" w:cs="Times New Roman" w:hint="eastAsia" /> // RunFonts
      <w:sz w:val="20" /> // FontSize
      <w:bold /> // Bold
    </w:rPr>
    <w:t>中文English</w:t>
  </w:r>

其中包含字体(rFonts)、字号(sz)和加粗(bold)格式，下面主要对这3种格式进行介绍。

2.1 字体

字体在 rFonts(RunFonts) 元素中进行声明：

<w:rPr>
  <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman" w:eastAsia="微软雅黑" w:cs="Times New Roman" w:hint="eastAsia" />
</w:rPr>

我们可以看到，rFonts 元素分别定义了 ascii、hAnsi、eastAsia 和 cs 4种属性以及对于的字体名称。这4种属性的含义如下表所示：

另外，还定义了一个 hint 属性，这个属性的值有以下三种：

  • Default (High ANSI Font);
  • EastAsia (East Asian Font);
  • ComplexScript (Complex Script Font).

该属性的作用是当字符处于 eastAsia 、 hAnsi或cs 字体的交叉区域中时，决定应该使用哪种字体。

综上，我们通过下列步骤来确定字符应该使用的字体：

  1. 查阅表格(见本文末尾的字体编码表)初步确定字符应该使用的字体；
  2. 如果字符为 eastAsia 字体并且 hint 的值为 eastAsia，那么该字符就应该使用 eastAsia 指定的字体；否则，如果 rPr 元素中定义了 cs 或者 rtl 元素，那么字符就应该使用 cs 字体，不管它的 Unicode 编码在哪个区域 (不过在使用 MS Word 2019 验证时，微软似乎并未遵守此规则，实际情况是：只要 rPr 元素中定义了 cs 或者 rtl 元素，不管 hint 的值是不是 eastAsia，所有字符使用的都是 cs 指定的字体)；否则，使用第1步中的字体。

步骤图如下：

示例：

例1：下面这个 r 元素中同时存在中文字符和英文字符，

<w:r>
    <w:rPr>
      <w:rFonts w:ascii="Arial" w:eastAsia="微软雅黑" />
    </w:rPr>
    <w:t>中文English</w:t>
</w:r>

在 rFonts 元素中，指定了 ASCII 和 EastAsia 2种字体，根据前面的规则，我们可以得知，“中文” 字符应用微软雅黑字体，“English” 字符应用Arial字体。

例2：

<w:r>
    <w:rPr>
      <w:rFonts w:hint="eastAsia" w:ascii="Arial" w:eastAsia="微软雅黑" w:cs="宋体" />
      <w:cs />
    </w:rPr>
    <w:t>中文English</w:t>
</w:r>

在这个例子中, 由于声明了 cs 元素且 hint 的值为 eastAsia，按照上面的规则，“中文” 字符应该应用微软雅黑字体，“English” 字符应该应用宋体字体；然而，在使用 Word 2019 验证时，“中文”和“English” 字符应用的都是宋体字体。

2.1.1 主题字体

另外，rFonts 元素还有 asciiTheme、eastAsiaTheme、hAnsiTheme 和 cstheme 4种主题字体，分别表示用来替换ascii、eastAsia、hAnsi 和 cs 属性的字体。也就是说，如果 rFonts 元素中声明了主题字体属性，那么对应的属性会被忽略。主题字体的属性值有以下8种：

  • majorEastAsia: Major East Asian Theme Font;
  • majorBidi: Major Complex Script Theme Font;
  • majorAscii: Major ASCII Theme Font;
  • majorHAnsi: Major High ANSI Theme Font;
  • minorEastAsia: Minor East Asian Theme Font;
  • minorBidi: Minor Complex Script Theme Font;
  • minorAscii: Minor ASCII Theme Font;
  • minorHAnsi: Minor High ANSI Theme Font.

主题字体的值引用的是 OpenXML 文档中ThemePart中的字体，如下所示：

点击查看 
<a:theme>
	<a:themeElements>
		<a:fontScheme name="Calibri">
			<a:majorFont>
				<a:latin typeface="Calibri" panose="020F0502020204030204" />
				<a:ea typeface="" />
				<a:cs typeface="" />
				<a:font script="Jpan" typeface="メイリオ" />
				<a:font script="Hang" typeface="맑은 고딕" />
				<a:font script="Hans" typeface="宋体" />
				<a:font script="Hant" typeface="新細明體" />
				<a:font script="Arab" typeface="Arial" />
				<a:font script="Hebr" typeface="Arial" />
				<a:font script="Thai" typeface="Cordia New" />
				<a:font script="Ethi" typeface="Nyala" />
				<a:font script="Beng" typeface="Vrinda" />
				<a:font script="Gujr" typeface="Shruti" />
				<a:font script="Khmr" typeface="DaunPenh" />
				<a:font script="Knda" typeface="Tunga" />
				<a:font script="Guru" typeface="Raavi" />
				<a:font script="Cans" typeface="Euphemia" />
				<a:font script="Cher" typeface="Plantagenet Cherokee" />
				<a:font script="Yiii" typeface="Microsoft Yi Baiti" />
				<a:font script="Tibt" typeface="Microsoft Himalaya" />
				<a:font script="Thaa" typeface="MV Boli" />
				<a:font script="Deva" typeface="Mangal" />
				<a:font script="Telu" typeface="Gautami" />
				<a:font script="Taml" typeface="Latha" />
				<a:font script="Syrc" typeface="Estrangelo Edessa" />
				<a:font script="Orya" typeface="Kalinga" />
				<a:font script="Mlym" typeface="Kartika" />
				<a:font script="Laoo" typeface="DokChampa" />
				<a:font script="Sinh" typeface="Iskoola Pota" />
				<a:font script="Mong" typeface="Mongolian Baiti" />
				<a:font script="Viet" typeface="Tahoma" />
				<a:font script="Uigh" typeface="Microsoft Uighur" />
				<a:font script="Geor" typeface="Sylfaen" />
			</a:majorFont>
			<a:minorFont>
				<a:latin typeface="Calibri" panose="020F0502020204030204" />
				<a:ea typeface="" />
				<a:cs typeface="" />
				<a:font script="Jpan" typeface="メイリオ" />
				<a:font script="Hang" typeface="맑은 고딕" />
				<a:font script="Hans" typeface="宋体" />
				<a:font script="Hant" typeface="新細明體" />
				<a:font script="Arab" typeface="Arial" />
				<a:font script="Hebr" typeface="Arial" />
				<a:font script="Thai" typeface="Cordia New" />
				<a:font script="Ethi" typeface="Nyala" />
				<a:font script="Beng" typeface="Vrinda" />
				<a:font script="Gujr" typeface="Shruti" />
				<a:font script="Khmr" typeface="DaunPenh" />
				<a:font script="Knda" typeface="Tunga" />
				<a:font script="Guru" typeface="Raavi" />
				<a:font script="Cans" typeface="Euphemia" />
				<a:font script="Cher" typeface="Plantagenet Cherokee" />
				<a:font script="Yiii" typeface="Microsoft Yi Baiti" />
				<a:font script="Tibt" typeface="Microsoft Himalaya" />
				<a:font script="Thaa" typeface="MV Boli" />
				<a:font script="Deva" typeface="Mangal" />
				<a:font script="Telu" typeface="Gautami" />
				<a:font script="Taml" typeface="Latha" />
				<a:font script="Syrc" typeface="Estrangelo Edessa" />
				<a:font script="Orya" typeface="Kalinga" />
				<a:font script="Mlym" typeface="Kartika" />
				<a:font script="Laoo" typeface="DokChampa" />
				<a:font script="Sinh" typeface="Iskoola Pota" />
				<a:font script="Mong" typeface="Mongolian Baiti" />
				<a:font script="Viet" typeface="Tahoma" />
				<a:font script="Uigh" typeface="Microsoft Uighur" />
				<a:font script="Geor" typeface="Sylfaen" />
			</a:minorFont>
		</a:fontScheme>
	</a:themeElements>
</a:theme>

其中，字体由两个部分组成：majorFont 和 minorFont。每个部分包含 latin、ea、cs 以及表示不同国家语言的 font 元素。

那么，主题字体的8种属性与上面字体是如何对应的呢？这还与 DocumentSettingsPart 中的 themeFontLang 元素有关。此元素声明如下：

<w:settings>
  <w:themeFontLang w:val="en-US" w:eastAsia="zh-CN" w:bidi="ar-SA" />
</w:settings>

其中 val 属性指定的 en-US 代表英语-美国，eastAsia 属性指定的 zh-CN 代表中文-中华人民共和国，bidi 属性指定的 ar-SA 代表阿拉伯语-沙特阿拉伯(见参考中的国家语言代码表)。

通过该元素，我们可以得到下列映射关系：

  • majorAscii/majorHAnsi 对应的字体为 val 属性值指定的语言所使用的字体, 对应的是 majorFont 中 latin 元素的 typeface，也就是Calibri；
  • majorEastAsia 对应的字体为 eastAsia 属性指定的语言所使用的字体，对应的是 majorFont 中 script 为 Hans 的 font 元素的 typeface，也就是宋体；
  • majorBidi 对应的字体为 bidi 属性指定的语言所使用的字体，对应的是 majorFont 中 script 为 Arab 的 font 元素的 typeface，也就是Arial；
  • minorAscii/majorHAnsi 对应的字体为 val 属性值指定的语言所使用的字体, 对应的是 minorFont 中 latin 元素的 typeface，也就是Calibri；
  • minorEastAsia 对应的字体为 eastAsia 属性指定的语言所使用的字体，对应的是 minorFont 中 script 为 Hans 的 font 元素的 typeface，也就是宋体；
  • minorBidi 对应的字体为 bidi 属性指定的语言所使用的字体，对应的是 minorFont 中 script 为 Arab 的 font 元素的 typeface，也就是Arial。

不过，如果 DocumentSettingsPart 中未指定 themeFontLang 元素，那么映射关系将如下所示：

  • majorAscii/majorHAnsi 对应的字体为 majorFont 中 latin 元素的 typeface，也就是Calibri；
  • majorEastAsia 对应的字体为 majorFont 中 ea 元素的 typeface，也就是空；
  • majorBidi 对应的字体为 majorFont 中 cs 元素的 typeface，也就是空；
  • minorAscii/majorHAnsi 对应的字体为 minorFont 中 latin 元素的 typeface，也就是Calibri；
  • minorEastAsia 对应的字体为 minorFont 中 ea 元素的 typeface，也就是空；
  • minorBidi 对应的字体为 minorFont 中 cs 元素的 typeface，也就是空。

2.2 字号

字号在 sz(FontSize) 和 szCs(FontSizeComplexScript) 元素中声明，如下所示：

<w:rPr>
  <w:sz w:val="24" />
  <w:szCs w:val="32" />
</w:rPr>

其中，字号的大小为 val 属性值的1/2磅。当元素中字符应用的是 Complex Script 字体时，生效的是 szCs 的字号(16磅)，否则，sz 元素的字号生效，也就是12磅。
下表为中文字号对应的磅值：

示例：

<w:r>
  <w:rPr>
    <w:rFonts w:hint="eastAsia" />
    <w:sz w:val="24" />
    <w:szCs w:val="32" />
    <w:cs />
  </w:rPr>
  <w:t>中文English</w:t>
</w:r>

在这个例子中, 由于声明了 cs 元素且 hint 的值为 eastAsia，按照上面的规则，“中文” 字符的字号应该是24/2=12磅，“English” 字符应该是32/2=16磅；然而，在使用 Word 2019 验证时，“中文”和“English” 字符的字号都是16磅。

2.3 加粗

加粗字形通过 b(Bold) 和 bCs(BoldComplexScript) 元素表示，如下所示：

<w:rPr>
  <w:b w:val="false" />
  <w:bCs w:val="true" />
</w:rPr>

其中，val 属性的值可以为 false/true 或者 0/1。如果未指定元素，则表示不加粗；如果指定了元素但未指定元素的 val 属性，则值为true，也就是加粗。当元素中字符应用的是 Complex Script 字体时，生效的是 bCs 元素的值，否则，b 元素的值生效。
示例：

<w:r>
  <w:rPr>
    <w:rFonts w:hint="eastAsia" />
    <w:bCs />
    <w:cs />
  </w:rPr>
  <w:t>中文English</w:t>
</w:r>

在这个例子中, 由于声明了 cs 元素且 hint 的值为 eastAsia，按照上面的规则，“中文” 字符的字形不应该加粗，而 “English” 字符应该加粗；然而，在使用 Word 2019 验证时，“中文”和“English” 字符的字形都是加粗的。

3. 样式层级

在 OpenXML 文档中，影响段落中字符的格式的除了当前 r 元素中的 rPr 元素，还有字符样式、段落样式以及文档默认样式中的 rPr 元素。例如下面的字符：

<w:p>
  <w:pPr>
    <w:pStyle w:val="1" />
  </w:pPr>
  <w:r>
    <w:rPr>
      <w:rStyle w:val="10" />
      <w:rFonts w:hint="eastAsia" w:eastAsia="宋体" />
    </w:rPr>
    <w:t>中文</w:t>
  </w:r>
</w:p>

其中，字符的 East Asia 字体为宋体，并且应用了如下的字符样式如下：

<w:style w:type="character" w:styleId="10" w:customStyle="1">
  <w:name w:val="标题 1 字符" />
  <w:basedOn w:val="a0" />
  <w:link w:val="1" />
  <w:rPr>
    <w:rFonts w:eastAsia="微软雅黑" />
  </w:rPr>
</w:style>

字符样式的 East Asia 字体为微软雅黑。

同时，字符所在段落应用了如下的段落样式：

<w:style w:type="paragraph" w:styleId="1">
  <w:name w:val="heading 1" />
  <w:basedOn w:val="a" />
  <w:next w:val="a" />
  <w:link w:val="10" />
  <w:qFormat />
  <w:rPr>
    <w:rFonts w:eastAsia="楷体" />
  </w:rPr>
</w:style>

// 默认段落样式
<w:style w:type="paragraph" w:styleId="a" w:default="1" xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
  <w:name w:val="Normal" />
  <w:qFormat />
  <w:rPr>
    <w:rFonts w:eastAsia="宋体" />
  </w:rPr>
</w:style>

段落样式的 East Asia 字体为楷体，默认段落样式的 East Asia 字体为宋体。

文档的默认格式如下：

<w:docDefaults>
  <w:rPrDefault>
    <w:rPr>
      <w:rFonts w:asciiTheme="minorHAnsi" w:hAnsiTheme="minorHAnsi" w:eastAsiaTheme="minorEastAsia" w:cstheme="minorBidi" />
    </w:rPr>
  </w:rPrDefault>
</w:docDefaults>

文档默认格式的 East Asia 字体为主题字体 minorEastAsia。

从上面的例子中可以看到，“中文” 字符应用了多层样式，那么在确定该字符的格式时将按照如下步骤查找(以East Asia字体为例)：

  1. 如果当前字符所在的 r 元素中定义了EastAsia(或EastAsiaTheme)字体，则应用该字体，否则下一步；
  2. 如果当前字符所在的 r 元素中定义了字符样式(rStyle元素)且字符样式中定义了EastAsia(或EastAsiaTheme)字体，则应用该字体，否则下一步：
  3. 如果当前字符所在的 p 元素中定义了段落样式(pStyle元素)且段落样式或它的基样式中定义了EastAsia(或EastAsiaTheme)字体，则应用该字体，否则下一步；
  4. 如果默认段落样式中定义了EastAsia(或EastAsiaTheme)字体，则应用该字体，否则下一步；
  5. 如果文档的默认格式中定义了EastAsia(或EastAsiaTheme)字体，则应用该字体。

4. 字体编码表





5. 参考

[1] ECMA-376-1:2016，Office Open XML File Formats — Fundamentals and Markup Language Reference，§17.3.2.26 Run Fonts
[2] 国家语言代码表

posted @ 2023-01-29 10:07  天伤星・行者  阅读(3004)  评论(6)    收藏  举报