为什么说Word、Excel文件其实都是ZIP？

日常办公中常见的 Word（.docx）和 Excel（.xlsx）文件，常被误认为是单一文档。实际上，新版 Office 文件遵循 Office Open XML 规范，本质上是经过 ZIP 压缩的包。其内部包含正文、样式、图片、配置文件及文档属性等多个独立文件，而非简单的文本或数据集合。

微软早期的二进制格式文件（如.doc、.xls、.ppt）并非 ZIP 结构。而新版 Office 文件（.docx、.xlsx、.pptx）本质上均为 ZIP 压缩包。

新版 Office 将不同类型的内容拆分为多个 XML 文件和资源文件，再通过 ZIP 打包。这种架构具有以下优势：

• 体积更小：利用 ZIP 压缩特性减少占用空间。
• 结构清晰：正文、样式、图片等分离存放，便于程序处理。
• 兼容性强：WPS、LibreOffice 等软件均可解析该结构。
• 易于修复：若部分 XML 文件损坏，仍可解压提取其他有效内容。

在 Linux 系统中，可使用file命令查看文件类型：

pdsyw@pdsyw1024:~/桌面$ file test.docx
test.docx: Microsoft Word 2007+

若要进一步验证其 ZIP 属性，可使用unzip -l命令查看内部结构：

pdsyw@pdsyw1024:~/桌面$ unzip -l test.docx

输出结果显示.docx 内部确为压缩包结构。其中word/document.xml保存正文内容，word/media/目录则存储插入的图片。这也解释了为何文档损坏时，可通过解压提取图片。

Excel 文件验证方式相同。使用file命令：

pdsyw@pdsyw1024:~/桌面$ file test.xlsx
test.xlsx: Microsoft Excel 2007+

使用unzip -l查看内容：

pdsyw@pdsyw1024:~/桌面$ unzip -l test.xlsx

关键文件包括：xl/workbook.xml（工作簿信息）、xl/styles.xml（样式信息）、xl/sharedStrings.xml（共享字符串）。可见.xlsx 是由多个 XML 和资源文件组成的压缩包。

可以将.docx 或.xlsx 后缀直接改为.zip，使用压缩软件查看，或在 Linux 中使用命令解压：

unzip test.docx -d test_docx
unzip test.xlsx -d test_xlsx

Word 文档解压后的典型结构：

pdsyw@pdsyw1024:~/桌面$ unzip test.docx -d test_docx

Excel 文件解压后的典型结构：

pdsyw@pdsyw1024:~/桌面$ unzip test.xlsx -d test_xlsx

由此可见，Office 文件是将多文件按规范组织后压缩打包的结果。

理解 Office 文件的 ZIP 本质具有实际应用价值：

• 批量提取图片：解压.docx 进入word/media/即可获取所有图片。
• 数据抢救：当 Excel 文件损坏无法打开时，可尝试解压读取 XML 文件以恢复部分数据。
• 自动化处理：许多程序通过解析压缩包内的 XML 实现自动生成报告、批量读取内容等功能。

虽然 Office 文件本质是 ZIP，但不可随意修改内部文件后重新压缩。文件内部依赖严格的目录结构和关系文件（如_rels/、[Content_Types].xml），修改不当会导致文档无法打开或提示损坏。

建议：仅用于查看、提取资源或学习结构时放心解压；若需手动修改 XML，务必先备份原文件。