【学术】复合文档文件格式研究（二进制）---提供pdf下载

agstick

第五章    短流

5.1 短流存放流

 

 

当一个流的大小小于指定的值（在头中指定），就称为短流(short-stream)。

短流并不是直接使用sector存放数据，而是内含在一种特殊的内部控制流——短流存放流（short-stream container stream）中。

    短流存放流象其他的用户流一样：先从目录中的根仓库入口（root storage entry）获得第一个使用的sector，其SID链从SAT中获得。然后此流将其所占用的sectors分成short-sector，以便用来存放短流。此处也许较难理解，我们来打个比方：既然流组成符合文档，而短流组成短流存放流，这两者是相似的。把短流存放流当作复合文档，那么短流对应流，short-sector对应sector，唯一的不同是复合文档有一个头结构，而短流存放流没有。short-sector的大小在头中已经指定，因此可根据SID计算short-sector相对于短流存放流的偏移量（offset）。公式为：

short_s_pos(SID) = SID ∙ short_s_size = SID ∙ 2 ^sssz

例：sssz = 6 and SID = 5:

short_s_pos(SID) = SID ∙ 2 ^sssz = 5 ∙ 26 = 5 ∙ 64 = 320.

[此贴子已经被作者于2007-3-20 13:39:11编辑过]

agstick

5.2 短扇区配置表

 

       短扇区配置表（SSAT：short-sector allocation table）是一个SID数组，包含所有短流的SID链。与SAT很相似。

       用于存放SSAT的第一个sector的SID在头中指定，其余的SID链从SAT中获得。

存放SSAT的sector的内容：（s_size表示sector的大小）

Offset          Size             Contents                                        

0                  s_size           SSAT的s_size / 4个SID的数组

                                                                     

 

SSAT的用法与SAT类似，不同的是其SID链引用的是short-sector。

agstick

第六章    目录

 

 

6.1 目录结构

 

 

目录（directory）是一种内部控制流，由一系列目录入口（directory entry）组成。每一个目录入口都指向复合文档的一个仓库或流。目录入口以其在目录流中出现的顺序被列举，一个以0开始的目录入口索引称为目录入口标识(DID: directory entry identifier)。

如下图所示：

DIRECTORY ENTRY 0

DIRECTORY ENTRY 1

DIRECTORY ENTRY 2

DIRECTORY ENTRY 3

⋮

    目录入口的位置不因其指向的仓库或流的存在与否而改变。如果一个仓库或流被删除了，其相应的目录入口就标记为空。在目录的开始有一个特殊的目录入口，叫做根仓库入口（root storage entry），其指向根仓库。

    目录将每个仓库的直接成员（仓库或流）放在一个独立的红黑树（red-black tree）中。红黑树是一种树状的数据结构，本文仅简单介绍一下，详细情况请参考有关资料。

[此贴子已经被作者于2007-3-20 13:38:48编辑过]

agstick

建构一个Red-Black tree的规则：

1. 每个节点（node）的颜色属性不是红就是黑。

2. 根节点一定是黑的。

3. 如果某个节点是红的，那它的子节点一定是黑的。

4. 从根节点到每个叶节点的路径（path）必须有相同数目的黑节点。

  ex:                 B               (用图形来解说第４点，从根节点

                   /     \             到最底层的node，你会发现每个

                  B       B            path都恰好有３个black node)

                 / \    /   \           

                B   B  R     B

               /      / \   / \

              R      B   B R   R

                    / \

                   R   R

注意并不总是执行上述规则。安全的方法是忽略节点的颜色。

agstick

例：以第一章中的图为例

1.根仓库入口描述根仓库，它不是任何仓库入口的成员，因此无需构建红黑树。

2.根仓库的所有直接成员(“Storage1”, “Storage2”, “Stream1”, “Stream2”, “Stream3”, 和 “Stream4”)将组成一棵红黑树，其根节点的DID存放于根仓库入口中。

3.仓库Storage1只有一个成员Stream1，Stream1构成一棵红黑树，此树只有一个节点。Storage1的目录入口包含Stream1的DID。

4. 仓库Storage2包含3个成员“Stream21”, “Stream22”, 和“Stream23”。这3个成员将构建一棵红黑树，其根节点的DID存放于Storage2的目录入口中。

 

这种存放规则将导致每个目录入口都包含3个DID：

1.在包含此目录入口的红黑树中，此目录入口的左节点的DID。

2.在包含此目录入口的红黑树中，此目录入口的右节点的DID。

3.若此目录入口表示一个仓库，则还包含此仓库的直接成员所组成的另一颗红黑树的根节点的DID。

在构建红黑树的过程中，一个节点究竟作为左还是右，是通过比较其名字来判断的。一个节点比另一个小是指其名字的长度更短，如长度一样，则逐字符比较。

规定：左节点<根节点<右节点。

agstick

6.2 目录入口

 

       一个目录入口的大小严格地为128字节，计算其相对目录流的偏移量的公式为：dir_entry_pos(DID) = DID ∙ 128。

目录入口的内容：

Offset   Size      Contents                                                 

0          64         此入口的名字（字符数组）, 一般为16位的Unicode字符,

         以0结束。(因此最大长度为31个字符)

64         2           用于存放名字的区域的大小，包括结尾的0。

         (如：一个名字右5个字符则此值为(5+1)∙2 = 12)

66         1           入口类型: 00H = Empty                 03H = LockBytes (unknown)

01H = User storage       04H = Property (unknown)

02H = User stream        05H = Root storage

67         1           此入口的节点颜色: 00H = Red    01H = Black

68         4           其左节点的DID (若此入口为一个user storage or stream)，

         若没有左节点就为－1。

72         4           其右节点的DID (若此入口为一个user storage or stream)，

          若没有右节点就为－1。

76         4           其成员红黑树的根节点的DID (若此入口为storage), 其他为－1。

80         16         唯一标识符（若为storage）(不重要, 可能全为0)

agstick

96         4           用户标记(不重要, 可能全为0)

100       8           创建此入口的时间标记。大多数情况都不写。

108       8           最后修改此入口的时间标记。大多数情况都不写。

116       4           若此为流的入口，指定流的第一个sector或short-sector的SID,

若此为根仓库入口，指定短流存放流的第一个sector的SID,

其他情况，为0。

120       4           若此为流的入口，指定流的大小（字节）

若此为根仓库入口，指定短流存放流的大小（字节）

其他情况，为0。

124       4           Not used

                                                                     

agstick

时间标记(time stamp) 是一个符号的64位的整数，表示从1601-01-01 00:00:00开始的时间值。此值的单位为10^－7秒。

当计算时间标记是要注意闰年。

例：时间标记值为01AE408B10149C00_H

计算步骤                        公式                                 结果                       

转为十进制                                                               t0 =  121,105,206,000,000,000

化成秒的余数                  r_frac = t0 mod 10⁷               r_frac = 0

化成秒的整数                 t1 = t0 / 10⁷                      t1 =  12,110,520,600

化成分的余数                r_sec = t1 mod 60                 r_sec = 0

化成秒的整数                  t2 = t1 / 60                        t2 =  201,842,010

化成小时的余数              r_min = t2 mod 60                r_min = 30

化成小时的整数             t3 = t2 / 60                        t3 =  3,364,033

化成天的余数                  r_hour = t3 mod 24               r_hour = 1

化成天的整数                  t4 = t3 / 24                        t4 =  140,168

agstick

距1601-01-01的整年      r_year = 1601 + t4含的年    r_year = 1601 + 383 = 1984

到1984年还剩的天数      t5 = t4 – (1601-01-01        t5 = 140,168 – 139,887 = 281

到1984-01-01的天数)

距1984-01-01的月数      r_month = 1 + t5含的月数    r_month = 1 + 9 = 10

到10月还剩的天数          t6 = t5 – (1984-01-01        t6 = 281 – 274 = 7

到1984-10-01的天数)

10月最终天数                r_day = 1 + t6                       r_day = 1 + 7 = 8

最后的结果为1984-10-8 01:30:00。猜猜看这是什么日子……                

agstick

第七章 Excel文件实例剖析

这章我们以一个Excel文件作为实例来分析其二进制结构。看实例永远是最好的学习方法，呵呵。

1.复合文档头

首先，读取此文件头，假定此Excel文件的头（512字节）内容如下：
00000000H D0 CF 11 E0 A1 B1 1A E1 00 00 00 00 00 00 00 00
00000010H 00 00 00 00 00 00 00 00 3B 00 03 00 FE FF 09 00
00000020H 06 00 00 00 00 00 00 00 00 00 00 00 01 00 00 00
00000030H 0A 00 00 00 00 00 00 00 00 10 00 00 02 00 00 00
00000040H 01 00 00 00 FE FF FF FF 00 00 00 00 00 00 00 00
00000050H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000060H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000070H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000080H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000090H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000000A0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000000B0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000000C0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000000D0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000000E0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000000F0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000100H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000110H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000120H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000130H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000140H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000150H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000160H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000170H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000180H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
00000190H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000001A0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000001B0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000001C0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000001D0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000001E0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF
000001F0H FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF FF