王劉楊　曹洪　田雅

摘要：本文通過設計了一種高效的中間存儲格式，即帶索引的XML文件，能隨機存取指定行的單元格，并且壓縮存儲大量重復的單元格，解決了在線電子表格的數(shù)據(jù)存儲問題。

關鍵詞：在線電子表格；存儲；XML；JavaScript；單元格

中圖分類號：TP391.13 文獻標識碼：A 文章編號：1007-9599 （2013） 01-0187-02

1 引言

在線電子表格是將應用程序部署在服務器上，用戶通過瀏覽器訪問的網絡版電子表格軟件，其功能類似于桌面版電子表格。由于系統(tǒng)本身功能復雜，要處理的數(shù)據(jù)量大，而網頁所使用的JavaScript和HTML語言的性能遠遠低于桌面版的Java、C++等語言，使得網絡版的開發(fā)難度比桌面版更大。

在線電子表格的界面通過網頁來顯示，一個電子表格文檔包含的數(shù)據(jù)量可能非常大，例如一個512k的ods文檔，就有1000*256個單元格填滿數(shù)據(jù)，由于JavaScript創(chuàng)建對象的效率低、占內存大，無法將這樣大量的數(shù)據(jù)裝載到客戶端內存，因此讓客戶端只加載當前顯示的那部分行數(shù)據(jù)，由于客戶端數(shù)據(jù)不完整，所有編輯操作必須放在服須器端執(zhí)行。在服務器端執(zhí)行操作時文檔對象不能常駐內存，因為可能有很多文檔同時被在線編輯，內存占用將非常大。用關系數(shù)據(jù)庫存儲每篇文檔也是不合適的，因為電子表格文檔的內容是半結構化的，適合用XML文件存儲，這就意味著每個操作都要讀寫文件，對讀寫效率要求非常高。本文設計了索引文件+數(shù)據(jù)文件的存儲格式來實現(xiàn)隨機讀寫工作表的行數(shù)據(jù)。

2 文件存儲結構設計

一個電子表格文檔包含大量數(shù)據(jù)，由于Web版電子表格每個編輯操作都要讀寫文件，為了提高讀寫效率，我們分成多個文件來存儲，這樣每次只需讀寫與當前操作相關的數(shù)據(jù)文件，而不需要為無關的數(shù)據(jù)耗費開銷。目錄結構如圖所示：

當從本地上傳或從服務器打開一個電子表格文檔

時，通過生成一個唯一的ID，在存儲服務器上創(chuàng)建一個名為book+ID的工作簿文件夾。

2.1 book.xml存儲工作簿的信息，包括：風格、默認行高列寬、所有區(qū)域命名等，還有若干工作表節(jié)點，記錄工作表的名稱和隱藏屬性等。此外，在每個工作表節(jié)點下還有公式和圖表所引用的單元格地址，之所以把它們放在book.xml中而不是在各自的工作表文件中，是因為它們都可以跨表引用，這意味著對一個工作表中的單元格區(qū)域做了修改，需要查找所有工作表中的公式、圖表看是否需要修改，為了提高查詢效率，把它們集中放在一個文件中。

2.2 charts文件夾下存放圖表的信息，每個圖表一個xml文件，包括圖表的尺寸、坐標、引用的圖片地址、標題、圖例以及x、y屬性。

2.3 sheet+ID文件夾下存放一個工作表的全部內容，ID在創(chuàng)建工作表時由系統(tǒng)生成。

該文件夾包括：

（1）table.xml存儲行列的高寬及隱藏屬性、合并單元格、篩選器和插入的圖片地址等信息。其中行、列節(jié)點依序排列，用屬性“repeat='n'”來記錄連續(xù)n行（列）有相同的屬性，例如：

表示第100列設置了列寬為0.3cm，其他都是默認列寬。

（2）content.txt存儲單元格的內容，其格式仍然是xml，但為了能隨機讀寫，不能帶最外層的根節(jié)點，因此存為.txt。數(shù)據(jù)按照工作表的行存儲，基本結構為"......"，由于每個工作表有65536*256個單元格，很容易產生大量樣式重復又無內容的行列，為了節(jié)省存儲空間，用"repeat"屬性記錄完全相同的連續(xù)n行或n個單元格。存儲示例：

表示第100行第3列單元格有字符串類型的數(shù)據(jù)"abc"。上的屬性還有公式表達式、數(shù)字格式碼、真實值、超鏈接等等。

一個工作表可能有很多行有數(shù)據(jù)，如果每次修改一個單元格就要對整個文件全讀全寫是很費時的。Java可以隨機讀寫文件，但必須知道從第幾字節(jié)開始讀寫，本文設計了索引文件contentIndex.txt來記錄content.txt文件中每個節(jié)點的起始字節(jié)和長度，每對索引值的長度是固定的，因此能夠計算出工作表第n行的索引在索引文件中的起始字節(jié)，從而讀出索引值，再讀取數(shù)據(jù)文件。寫回數(shù)據(jù)文件時直接添加在最末尾，同時更新其索引值。數(shù)據(jù)不能寫入到原有位置，因為Java的隨機寫文件是覆蓋相同長度的內容而非插入。之所以對建立索引而不是，是因為節(jié)點太多，會導致索引文件很大，降低索引文件的讀寫效率。

（3）styles.txt存儲單元格的樣式屬性，結構與content.txt相同，將內容和樣式分開存儲是因為多數(shù)操作不會同時修改樣式和內容，這樣避免了讀寫無關的數(shù)據(jù)。同樣為styles.txt中的節(jié)點建立了索引文件stylesIndex.txt。樣式屬性包括字體、字號、粗斜體、下劃線、字符顏色、背景顏色、對齊方式和單元格邊框等等。

2.4 history文件夾存放每個操作的歷史記錄，用于撤銷和恢復詳細存儲格式。Pictures文件夾存放插入到工作表中的圖片。

3 服務器端數(shù)據(jù)模型

從文件中讀出的單元格數(shù)據(jù)要建立一定的數(shù)據(jù)模型才能進行邏輯操作，由于一次讀取的單元格可能很多，如果直接用DOM對象，會內存溢出。我們設計了一套與文件存儲結構對應的數(shù)據(jù)對象，采用SAX（Stream API for XML）解析方式， 它占用內存很小，每次讀入一段字符流解析，遇到節(jié)點的起始標簽、內容和結束標簽分別觸發(fā)相應的事件，調用相應的回調函數(shù)，創(chuàng)建我們自定義的數(shù)據(jù)模型。如圖所示：

Cell和Style是基本元素，分別存儲單元格內容和樣式，它們都實現(xiàn)IRepeatItem接口，即都帶repeat屬性，表示同行的連續(xù)n個單元格。Row代表工作表中的行對象，也實現(xiàn)IRepeatItem，一個Row對象可以表示連續(xù)n個數(shù)據(jù)完全相同的行。Row對象含有Cell或Style對象的數(shù)組，該數(shù)組類型為RepeatList，它的元素必須實現(xiàn)IRepeatItem，RepeatList提供了一系列訪問數(shù)組元素的方法，包括按行號增加、刪除、獲取和拆分元素，當選中一片單元格區(qū)域進行修改時，可能需要把邊界的Row 或Cell/Style對象拆分為兩個。RowsList代表連續(xù)n行，含有Row對象的數(shù)組，它的start屬性記錄起始行號。

4 前后臺數(shù)據(jù)交互格式

4.1 操作指令

客戶端接收到用戶的操作后，發(fā)送操作指令給服務器進行處理。操作指令為xml格式的字符串，標簽名即操作名稱，屬性包括：工作簿ID，工作表ID，選中的單元格區(qū)域和要設置的屬性等等。例如：

表示設置第1行第5列到第2行第5列這個矩形區(qū)域的字體為"Georgia"，rooSessionId是每個窗口的唯一ID，用于服務器端分別記錄不同窗口的操作歷史，以便撤銷和恢復。

4.2 返回數(shù)據(jù)

服務器端處理完操作后返回數(shù)據(jù)給客戶端，格式為JSON（JavaScript ObjectNotation），它是一種輕量級的數(shù)據(jù)交換格式，它與JavaScript定義對象的語法相同，可以直接轉化為JavaScript的對象，解析效率高。返回數(shù)據(jù)格式的設計必須涵蓋工作簿全部信息，且盡量簡短，以縮短網絡傳輸時間和解析時間。AJAX的回調函數(shù)接收到這個JSON對象后，遍歷每個工作表對象，取出各個子對象，包括工作表信息、單元格信息、圖表、媒體、合并單元格、篩選器等，交給相應的處理器更新內存數(shù)據(jù)以及界面元素。

參考文獻：

[1]David Hunter，Jeff Rafter，Joe Fawcett. XML入門經典[M].清華大學出版社.

[2]David Flanagan.JavaScript權威指南[M].機械工業(yè)出版社.