在 Delphi 中从 Excel 文件提取文档摘要信息

在自动化管道中处理大批量 Excel 电子表格时，您很少会为了弄清楚它是什么而将整个文档加载到内存中。通常，嵌入在文件中的元数据（作者、标题、创建日期和自定义属性）足以为文档进行路由、索引或拒绝。在 Microsoft Office 世界中，这种元数据被称为文档摘要信息（Document Summary Information）。

在不依赖 OLE 自动化（需要主机上安装 Excel）的情况下在 Delphi 中原生地提取这些信息，需要直接解析底层文件结构。在本文中，我们将探讨文档摘要在 Excel 文件中的工作原理，以及如何使用原始流解析有效地提取它们。

了解 Excel 元数据流

从历史上看，较旧的 Excel 文件（.xls）以 OLE 复合文档（OLE Compound Document）格式存储，实际上充当包含流和存储的迷你文件系统。元数据存放在两个特定的流中：

SummaryInformation：包含标准属性，如标题、主题、作者、关键字和修订号。
DocumentSummaryInformation：包含扩展属性，如公司、经理和用户自定义的属性。

现代 Excel 文件（.xlsx）使用 Office Open XML（OOXML）格式，这是一种压缩的 XML 结构。这里的元数据位于 docProps/core.xml、docProps/app.xml 和 docProps/custom.xml 中。一个稳健的 Delphi 解析组件必须无缝处理这两种内部结构，同时向开发人员公开统一的 API。

在 Delphi 中解析 OLE 复合文档

要在不使用第三方工具的情况下从传统的 .xls 文件读取 SummaryInformation，您需要解析 OLE 结构化存储（OLE Structured Storage）。Microsoft 通过 COM 接口 IPropertySetStorage 公开了这一点。以下是一个避免启动 Excel 的原始 Delphi 实现：

uses
  System.SysUtils, System.Win.ComObj, Winapi.ActiveX, Winapi.Windows;

procedure ExtractXlsSummaryInfo(const FileName: string);
var
  Stg: IStorage;
  PropSetStg: IPropertySetStorage;
  PropStg: IPropertyStorage;
  PropSpec: TPropSpec;
  PropVariant: TPropVariant;
  Hr: HRESULT;
begin
  // Open the OLE Compound Document
  Hr := StgOpenStorage(PWideChar(WideString(FileName)), nil,
    STGM_READ or STGM_SHARE_DENY_WRITE, nil, 0, Stg);
    
  if Failed(Hr) then
    raise Exception.Create('Failed to open OLE storage. File may not be a valid .xls document.');

  // Query for the property set storage interface
  if Stg.QueryInterface(IPropertySetStorage, PropSetStg) = S_OK then
  begin
    // Open the SummaryInformation stream (FMTID_SummaryInformation)
    Hr := PropSetStg.Open(FMTID_SummaryInformation, STGM_READ or STGM_SHARE_EXCLUSIVE, PropStg);
    if Succeeded(Hr) then
    begin
      // Read the Author property (PIDSI_AUTHOR = 4)
      PropSpec.ulKind := PRSPEC_PROPID;
      PropSpec.propid := PIDSI_AUTHOR;
      
      if PropStg.ReadMultiple(1, @PropSpec, @PropVariant) = S_OK then
      begin
        if PropVariant.vt = VT_LPSTR then
          Writeln('Author: ', string(AnsiString(PropVariant.pszVal)));
        PropVariantClear(PropVariant);
      end;
    end;
  end;
end;

使用 HotXLS 进行编程提取

虽然 Windows COM API 适用于 .xls 文件，但它不适用于现代 .xlsx 文件（即 ZIP 压缩包）。此外，跨平台（例如，在 Linux 或通过 FireMonkey 在 macOS 上）使用 COM API 是不可能的。HotXLS 组件的最新更新引入了专用单元（例如 lxXlsSummary），以完全原生地在 Delphi 代码中隔离和优化跨这两种格式读取这些摘要流的操作。

跨平台示例

使用 XlsReadDocumentSummaryInformation 和 XlsReadSummaryInformation 接口，您可以快速从 .xls 和 .xlsx 中获取元数据字符串，而无需担心底层文件系统架构。

uses
  lxXlsSummary;

var
  Summary: TXlsSummaryInfo;
  ExtendedInfo: TXlsDocumentSummaryInfo;
begin
  // Extract standard summary from an OOXML format seamlessly
  Summary := XlsReadSummaryInformation('C:\Data\FinancialReport.xlsx');
  try
    Writeln('Title: ', Summary.Title);
    Writeln('Author: ', Summary.Author);
    Writeln('Creation Date: ', DateTimeToStr(Summary.CreateTime));
  finally
    Summary.Free;
  end;

  // Extract extended document summary
  ExtendedInfo := XlsReadDocumentSummaryInformation('C:\Data\FinancialReport.xlsx');
  try
    Writeln('Company: ', ExtendedInfo.Company);
    Writeln('Manager: ', ExtendedInfo.Manager);
  finally
    ExtendedInfo.Free;
  end;
end;

为什么专用的摘要提取很重要

这种方法的主要好处是性能和内存安全。通过避免实例化完整的作簿 DOM（文档对象模型）并仅解析 docProps/core.xml 或 OLE 属性流，您的应用程序内存占用将保持极小。如果您正在对网络共享中的 10,000 个 Excel 文件建立索引，尝试完全解析每一个文件将会耗尽您的内存并花费数小时。而专用的摘要提取则在几秒钟内就能完成相同的任务。

此外，原生地读取流可确保您的应用程序能作为后台服务或在无头（headless）Linux 服务器上运行，而无需调用 Excel.exe，这是现代可扩展架构的关键要求。

注意：HotXLS VCL Component 中提供了全面的 Excel 解析和元数据提取工具。