引言

　　PPT(Microsoft Office PowerPoint),是微軟公司開發(fā)的編輯演示文稿的辦公軟件,。該格式相對于txt,、chm等，信息量更大,，結構也更加復雜,，導致其對硬件配置要求較高。然而,，目前嵌入式終端配置低,，因此本文聚焦于滿足人們對于移動閱讀的基本需求，暫不考慮視頻,、音頻和外部對象等特性支持,。本解析器在開源環(huán)境下，基于Linux操作系統(tǒng)實現(xiàn),?；谇度胧蕉喔袷浇馕鲆嫦到y(tǒng)架構和中間格式理論,具有平臺無關性,、高效性的特點。

　　1  系統(tǒng)特點

　　該解析引擎兼容版本多,，包括Microsoft PowerPoint 972003等版本,。下面介紹一下系統(tǒng)特點。

　?、?不依賴于圖形服務器,。解析引擎擁有自己的專用的矢量圖形繪制器。不依賴于特定的底層圖形服務器,。例如,，我們的實驗系統(tǒng)的圖形服務器由nanoX改為Qt時，該解析引擎不需要修改,。

　?、?高效性。對于一般的格式解析器,，樣本文件越大,，打開速度越慢，而該解析器可以做到文件打開速度與文件大小基本無關,。

　?、?平臺無關性。解析引擎并不是直接在顯示設備上繪制圖形和文字,，而是把各種格式元素繪制在一段內(nèi)存區(qū)域上,，然后把這段內(nèi)存數(shù)據(jù)映射到物理設備上。即輸入是文件,，輸出是屏幕大小的位圖,。

　　④ 配置靈活,。解析引擎的模塊化設計便于移植和裁剪,。所有數(shù)據(jù)類型采用宏定義，便于根據(jù)平臺配置,。

　?、?支持手寫批注。 解析器只做內(nèi)容抽取和顯示,，不支持編輯和保存,，支持手寫批注。手寫批注不改變原文檔,，而是新建xml描述文件,。

　　⑥ 個性化交互方式。利用電子紙控制器的16通道和黑白刷,，實現(xiàn)動畫切換效果,。

　　2  格式分析

　　2.1  總體結構

　　Microsoft PowerPoint使用OLE2組合文檔存儲。和文件系統(tǒng)結構類似,，它包含容器和流,，并組成的樹狀結構。各種流獨立存儲,，便于載入和快速保存,。如表1所列，PPT文件包括以下5種流式數(shù)據(jù),。

　　表1  PowerPoint文件結構

　　PPT存儲格式采用十六進制,，small endian字節(jié)序，分為若干個大數(shù)據(jù)塊和小數(shù)據(jù)塊,，大小分別為512字節(jié)和64字節(jié),，第一個數(shù)據(jù)塊為初始數(shù)據(jù)塊，存儲了數(shù)據(jù)塊索引表,。

　　2.2  圖像流結構

　　PPT中包含矩形,、圖片框、文本框,、線,、橢圓等204種形式的元素，統(tǒng)稱為Shape,。每種Shape有一個唯一的實例碼與之相應,。

　　多媒體數(shù)據(jù)的層次結構如圖1所示。

　　圖1  容器層次結構

　　Drawing GROUP為組合圖形存儲結構,，它包含了一組圖形對象,。Drawing為圖形存儲結構，Shape和Solver為兩組圖形屬性元數(shù)據(jù),。Blip Store為插入的圖片對象。Property Table為缺省屬性表,。Client Data為一組元數(shù)據(jù)信息,，包含坐標，文本和OLE數(shù)據(jù)和用戶自定義屬性表,。

　　屬性項采用idvalue結構,，自定義屬性表的長度可變。各項屬性相對位置不變,。自定義屬性表中出現(xiàn)的屬性將覆蓋默認屬性,。

　　Drawing為一組描述來管理容器中的圖形對象的規(guī)則集合，包括對齊方式、標尺等,。

　　3  軟件設計

　　本設計以嵌入式多格式解析引擎系統(tǒng)架構為基礎,。解析引擎是負責對源文件進行解析,生成中間格式需要的數(shù)據(jù)的模塊。

　　解析引擎的內(nèi)部架構如圖2所示,。

　　圖2  解析引擎架構

　　3.1  語法分析器

　　語法分析器為輸入流數(shù)據(jù),，輸出為結構化數(shù)據(jù)供各模塊使用。PPT格式的記錄采用idvalue結構,，id和value占據(jù)規(guī)定的字節(jié)數(shù),，語法分析器負責識別記錄id，并抽取value,。

　　3.2  導航器

　　負責把數(shù)據(jù)從文件系統(tǒng)調(diào)入內(nèi)存,，并把I/O流轉換成結構化數(shù)據(jù)，即用DOM結構描述文件的整體架構,。

　　該模塊具有頁面導航作用,。PPT使用OLE2組合文檔存儲。容器和結點只存儲粗粒度索引信息,，對于不需要立即顯示的頁,，只存儲容器結點，暫時不展開,，需要顯示該頁時,，再從該結點向下展開，從而減少了不必要的文件讀取,。這種分層裝載方法,，提高了打開速度,并且對于大文檔，進入速度只和第一頁的復雜程度有關,。

　　此外,，為了更好地索引，建立了一系列的鏈表結構,。如：數(shù)據(jù)塊索引表,、根目錄表、圖像數(shù)據(jù)流鏈表,、用戶反向鏈表,、文本鏈、母板鏈表等,。

　　文件長度,、版本號、進行文件合法性等信息通過讀取初始化塊獲得,。除此之外還需要初始化幾個重要的全局鏈表,。

　?、?數(shù)據(jù)塊索引表。文件以塊為單位存儲,，且不連續(xù),，數(shù)據(jù)所屬塊號和塊內(nèi)偏移量可以方便地進行尋址操作。

　?、?構建根目錄表,，包括存儲內(nèi)容的起始塊號和大小，用于尋址操作,。讀操作只在當前塊范圍內(nèi),當超出當前塊可讀長度時,，通過查詢塊索引表找到下一塊的塊號。

　?、?構建圖像數(shù)據(jù)流鏈表,。

　　④ 構建用戶反向鏈表,。為了快速保存,，PPT采用增量式存儲，即每次保存時,，直接生成頁面副本并追加到文檔末尾,。增量式存儲的缺點是冗余量大。例如,，有的文件只有幾頁,，但文件大小幾MB甚至幾十MB，文件實際大小和修改次數(shù)有關,。

　?、?幻燈片文本鏈，流信息到排版元數(shù)據(jù)獨立存儲,。純文本存儲在文本流中,，存儲以及排版信息存儲在頁數(shù)據(jù)區(qū)。頁數(shù)據(jù)區(qū)還存儲了純文本在文本流中的位置,。

　?、?母板鏈表,母板一般作為背景，以頁為單位順次存儲,。因為電子紙顯示灰度圖像,，背景和正文疊加以后看不清楚，用戶閱讀時可以去除背景,，而不會影響到文件本身,。

　　增量式存儲的基本思想是：每次修改產(chǎn)生一個用戶信息,，存儲修改的塊號,，當前用戶信息反向指向上一個用戶信息，從而構成一個用戶反向鏈。遍歷用戶反向鏈可以找到最后一次修改,。冗余數(shù)據(jù)可以直接丟棄,。

　　3.3  布局管理器

　　負責屏幕劃分和圖層管理，布局管理器劃為不同的矩形區(qū)域,，并標識該區(qū)域的類型,。然后分別將解析得到的文字，圖形,，圖像緩沖區(qū)映射到屏幕位圖上,。

　　3.4  文字處理器

　　PPT格式的文字種類和布局相對復雜，可以分為正文和圖形內(nèi)嵌文字兩種,，各級標題正文的布局也有要求,。文字處理器針對各種文本的排版格式多樣性進行解析和布局，完整再現(xiàn)原文檔的版式信息,。

　　文字處理過程分為預排版和頁面排版兩部分,，預排版負責填充字模緩沖區(qū)，抽取字符編碼和字體信息作為FreeType的輸入,，用生成的單個字模位圖填充緩沖區(qū),。然后結合標尺和對其方式把映射到頁面顯示緩沖區(qū)。文字解析原理圖如圖3所示,。

　　圖3  文字解析原理圖

　　3.5  圖形渲染

　　負責圖形繪制和組合圖形坐標空間轉換,。本解析引擎不依賴于圖形服務器，擁有專用的矢量圖形繪制庫,。能夠將圖形直接繪制到頁面位圖中,，與物理顯示無關。

　　繪制直線,曲線和多邊形填充分別采用了經(jīng)典的Breshman算法,，三次貝塞爾曲線畫線算法,列掃描多邊形填充算法3種成熟算法,。為了提高了運算效率，對于浮點數(shù)作取整運算,。經(jīng)驗證,，在浮點數(shù)運算效率不佳的嵌入式系統(tǒng)上也能到達較好的渲染效果。

　　組合圖形(Drawing GROUP)包含了一組圖形對象,采用了Dom結構,。子結點使用相對于父結點的坐標空間,。因此，圖形處理能夠遞歸地進行坐標轉化,并把圖形繪制在其父結點的坐標空間內(nèi),。

　　3.6  圖像渲染

　　圖像渲染器采用Cximage圖像庫把圖像數(shù)據(jù)重構,，并進一步轉化成灰度圖像放入屏幕緩沖區(qū)。

　　文件中圖像和多媒體信息存儲在圖像流中,，通過FBSE (File Blip Store Entry)描述,。于是定義了結構體：

　　typedef struct _FBSE{

　　MSOBLIPTYPE imageType;

　　ULONG id;

　　ULONG size;

　　ULONG cRef;

　　ULONG offsetInDelayStream;

　　}FBSE;

　　4  優(yōu)化提速

　　用戶總是希望系統(tǒng)越快越好,但是嵌入式系統(tǒng)受主頻較低,、內(nèi)存較小的限制,對于一些計算量比較大的工作,很難達到理想的效果。于是本解析引擎在應用了多頁面緩沖機制和異步并行機制的優(yōu)化策略,。

　　各渲染器異步并行地工作,，第一個完成任務的渲染器立即把數(shù)據(jù)提交給屏幕顯示。電子紙整屏刷新速度為1 s,，利用這個刷屏間歇,，其余渲染器完成任務，再采用局部刷屏的方式把增量部分刷新到屏幕上,。這樣整體速度取決于渲染速度最慢的那一個,。此外，異步執(zhí)行不阻塞輸入,，如果這時用戶翻頁,，未完成解析線程會被終止，并建立新線程來解析下一頁,。例如：打開一頁圖文混排的幻燈片,，打開時先顯示文字，隨后顯示出圖像,，并且不會阻塞用戶輸入,，假如用戶快速連續(xù)翻若干頁后停止，中間頁解析會被終止,。

　　5  驗證

　　在主頻200 MHz的電子紙閱讀器上實現(xiàn)效果如圖4所示,。

　　圖4  在電子紙閱讀器上解析效果圖

　　隨機選擇60個樣本文件，進入書籍最短時間2.82 s,最長11.92 s.如圖5所示,。

　　圖5  在電子紙閱讀器上解析速度統(tǒng)計圖

　　解析引擎采用分層裝載方法,，提高了打開書籍速度，這里選擇了3個第一頁完全相同但是大小差別較大的PPT文檔,。實驗表明,，雖然文檔大小差別很大，但是打開速度差異不大,。如表2所列,。

　　表2  啟動速度對比

　　結語

　　由于電子紙的特性和嵌入式設備的資源限制，本文僅僅聚焦在常用元素的解析上,，如文字,、圖形、圖像,、表格等,，而對于嵌入對象(如視頻、音頻等)沒有支持,。對于未知元素的解析將成為未來的主要工作,。本文模塊化的設計架構,，有利于下一步進行功能擴展，另外,，隨著Office開放文檔格式（OOXML）的誕生并成為國際標準，未來將開發(fā)支持OOXML的嵌入式解析器,。