微软的Excel格式有两种：.xls和.xlsx。Excel2003及之前的版本是.xls格式，从Excel2007开始支持.xlsx格式。只使用基本功能的话两种格式看起来并没有多大差别，但是两者文件格式确实截然不同的。
excel97-2003（xls格式）
XLS文件最为一个文件流（FileStream），是由多个子流（SubStream）构成的，下面这张图是将各个SubStream按顺序依次展现出来，这些SubStream都是有若干个整数倍Block（1 block ＝ 512 bytes）组成。
| SubStream |
|
| XLS Header |
占1个block(512bytes)固定大小 |
| WorkBook |
最小占8个block(4096bytes) |
| Summary Information |
占8个block(4096bytes)固定大小 |
| Document Summary Information |
占8个block(4096bytes)固定大小 |
| XLS Header扩展区 |
只有.xls文件超过一定大小时，才会出现 |
| BigBolck pointer |
最小占1个(512bytes) |
| RootEntry |
占1个block(512bytes) |
其中所有单元格数据记录在WorkBook子流中，以下为WorkBook区的重要内容结构。
0x0809 WorkbookHeader，即BOF，长度范围1~20
| offset |
size |
content |
| 0 |
2 |
存放XLS文件的版本类型 BIFF8/BIFF8X 0x0600 BIFF7 0x0500 |
| 2 |
2 |
WorkBookGlobals，0x0005 |
0x0031 FONT，长度24bytes。0x041EFORMAT
0x00E0 XF ExtendFORMAT
0x0293 STYLE
0x0085 BOUNDSHEET，即Sheet指针区，N个Sheet则有N个0x0085，包含每个Sheet的名称、sheet数据内容在xls文件中的偏移量。
| offset |
size |
content |
| 0 |
2 |
数据段长度(Sheet指针区和名称区长度) |
| 2 |
4 |
该Sheet的BOF的绝对位移量，相对于Workbook |
| 6 |
Sheet名称区，长度为数据段长度-2 |
0x008C Country，语言和地区设置。
0x00FC SST内容（SharingStringTable用来存放字符串，目的是为了让各个sheet都能够共享该SST中字符串内容）（Excel表数据，所有Sheet数据均放于此）
| offset |
size |
content |
| 0 |
4 |
数据中所有字符串的数量 |
| 4 |
4 |
将要放在SST中字符串的数量 |
| 以下开始针对每个字符串进行循环处理 |
||
| 8 |
2 |
该字符串的长度，若为双字节字符也算做一个 |
| 10 |
1 |
字符串中若包含双字节字符（如中文），则为0x01，若为纯ASCII字符，则为0x00 |
| 11 |
n |
存放字符串信息 |
0x00FF ExtendedSST内容 在读取XLS文件时显得不重要，但当创建XLS文件时却非常重要
| offset |
size |
content |
| 0 |
2 |
每一区块字符串的个数，其值>=8 |
| 以下开始针对每一区块字符串进行循环处理 |
||
| 2 |
4 |
每一区块第一个字符的绝对位置 |
| 6 |
2 |
每一区块第一个字符的相对位置 |
| 8 |
2 |
保留 |
0x0809 Sheet1内容
0x0809 Header，20bytes
0x020BIndex，16+4*N个字节
(注：注意标志后有两位Size位，要从Size位计起)
| offset |
size |
content |
| 0 |
4 |
保留 |
| 4 |
4 |
第一行的序号 |
| 8 |
4 |
最后一行的序号（OpenOffice上介绍是sheet结尾的第一个未使用行的序号，行数的基数按0开始） |
| 10 |
4 |
指向DEFCOLWIDTH（0x0055）相对于Workbook Header的位置 |
| 14 |
4*N |
指向DBCELL（0x00D7）相对于WorkbookHeader的位置，当存在多个DBCELL时，需要设置多个。N为该sheet的行数/32 |
0x0055 DEFCOLWIDTH，6bytes
0x0200 Dimensions，18byte，存放sheet1的行数和列数。
| offset |
size |
content |
| 0 |
2 |
段大小（下列数据段大小） |
| 2 |
4 |
第一行的序号 |
| 6 |
4 |
最后一行的序号 |
| 10 |
2 |
第一列的序号 |
| 12 |
2 |
最后一列的序号 |
| 12 |
2 |
保留 |
RowBlock
0x0208 Row，20bytes，Sheet中有多少行就有对应多少个0x0208开头的行信息，如果sheet中有5行，那么RowBlock的大小就是20*5bytes
| offset |
size |
content |
| 0 |
2 |
行的序号 |
| 2 |
2 |
列的序号 |
CellBlock
设置sheet中每一个单元格的信息，顺序为针对每一行的每一列依次设置，如00,01,02……10,11,12……20,21,22……
0x00FD LABELSST，14bytes，针对字符串值已经在SST中保存，这里只保存其对应的序号。记录文字串（在共享资料表里）的Cell，格式为：
2byte：第几行（由0编起）
2byte：第几列（由0编起）
2byte：XFrecord索引值
4byte：共享字串表的索引值
0x027E RK2，14bytes，针对RK值（指编过码的整型或浮点型值）
0x00BD MULRK，28bytes记录数字(多个连续列)的Cell，格式为：
2byte：第几行（由0编起）
2byte：起始列（由0编起）
?byte：RKCell资讯（每个6byte）
2byte：XFrecord索引值
4byte：RK数值（后述）
2byte：结束列（由0编起）
0x00D7 DBCELL，随着行数的变化而发生变化
| offset |
size |
content |
| 0 |
4 |
DBCELL的偏移量减去RowBlock中第一个Row的偏移量 |
| 4 |
2 |
CellBlock中首行的第一个Cell的偏移量减去RowBlock中第二个Row的偏移量 |
| 以下为循环处理部分，1<n<=Max_Row |
||
| 6 |
2 |
CellBlock中第n行的第一个Cell的偏移量减去第n-1行的第一个Cell的偏移量 |
当XLS中的行数大于32时，系统将循环处理，对于每个32行内容单独生成RowBlock、CellBlock和DBCELL。
0x0809 Sheet2内容
0x0809 Sheet3内容（如果有Sheet2、Sheet3）
0x000A EOF，Workbook结束标示符
＝＝＝＝＝＝＝＝＝＝这是吐槽线＝＝＝＝＝＝＝＝＝＝＝
这格式确实已经落后了，实在是太复杂。。。如果可以，我不再想碰这。
excel2007（xlsx格式）
xlsx格式相比旧的xls格式的数据结构要简单的多，其使用xml格式进行存储。
如下的表格：
| A |
B |
C |
|
| 1 |
姓名 |
性别 |
年龄 |
| 2 |
张三 |
男 |
30 |
| 3 |
小明 |
男 |
16 |
| 4 |
小红 |
女 |
20 |
然后将xlsx文件后缀改为zip，用压缩软件打开，其内容存储在sheet1.xml文件里：
<sheetData>
<row r="1" spans="1:3" x14ac:dyDescent="0.2">
<c r="A1" t="s">
<v>0</v>
</c>
<c r="B1" t="s">
<v>2</v>
</c>
<c r="C1" t="s">
<v>1</v>
</c>
</row>
<row r="2" spans="1:3" x14ac:dyDescent="0.2">
<c r="A2" t="s">
<v>3</v>
</c>
<c r="B2" t="s">
<v>6</v>
</c>
<c r="C2">
<v>30</v>
</c>
</row>
<row r="3" spans="1:3" x14ac:dyDescent="0.2">
<c r="A3" t="s">
<v>4</v>
</c>
<c r="B3" t="s">
<v>6</v>
</c>
<c r="C3">
<v>16</v>
</c>
</row>
<row r="4" spans="1:3" x14ac:dyDescent="0.2">
<c r="A4" t="s">
<v>5</v>
</c>
<c r="B4" t="s">
<v>7</v>
</c>
<c r="C4">
<v>20</v>
</c>
</row>
</sheetData>
<c></c>标签就代表每个单元格，t="s"表示值为字符串，对应的字符串值可以在sharedStrings.xml里找到：
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<sst xmlns="http://schemas.openxmlformats.org/spreadsheetml/2006/main" count="9" uniqueCount="8">
<si>
<t>姓名</t>
</si>
<si>
<t>年龄</t>
</si>
<si>
<t>性别</t>
</si>
<si>
<t>张三</t>
</si>
<si>
<t>小明</t>
</si>
<si>
<t>小红</t>
</si>
<si>
<t>男</t>
</si>
<si>
<t>女</t>
</si>
</sst>
从两个xml内容对比可知，第二个xml是Excel的内容去重后的内容集合，第一个项目xml通过集合的index来关联第二个xml的内容