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(jié)構(gòu)也更加復(fù)雜,，導(dǎo)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(dòng)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(shí)現(xiàn),?；谇度胧蕉喔袷浇馕鲆嫦到y(tǒng)架構(gòu)和中間格式理論，具有平臺無關(guān)性,、高效性的特點(diǎn),。
1 系統(tǒng)特點(diǎn)
該解析引擎兼容版本多，包括Microsoft PowerPoint 972003等版本,。下面介紹一下系統(tǒng)特點(diǎn),。
① 不依賴于圖形服務(wù)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(wù)器。例如,，我們的實(shí)驗(yàn)系統(tǒng)的圖形服務(wù)器由nanoX改為Qt時(shí),，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(guān)。
?、?平臺無關(guān)性,。解析引擎并不是直接在顯示設(shè)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(shè)備上,。即輸入是文件，輸出是屏幕大小的位圖,。
?、?配置靈活,。解析引擎的模塊化設(shè)計(jì)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,。
⑤ 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。
?、?個(gè)性化交互方式,。利用電子紙控制器的16通道和黑白刷，實(shí)現(xiàn)動(dòng)畫切換效果,。
2 格式分析
2.1 總體結(jié)構(gòu)
Microsoft PowerPoint使用OLE2組合文檔存儲(chǔ),。和文件系統(tǒng)結(jié)構(gòu)類似，它包含容器和流,，并組成的樹狀結(jié)構(gòu),。各種流獨(dú)立存儲(chǔ)，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(jié)構(gòu)
PPT存儲(chǔ)格式采用十六進(jìn)制,，small endian字節(jié)序,，分為若干個(gè)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(gè)數(shù)據(jù)塊為初始數(shù)據(jù)塊,，存儲(chǔ)了數(shù)據(jù)塊索引表。
2.2 圖像流結(jié)構(gòu)
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(gè)唯一的實(shí)例碼與之相應(yīng),。
多媒體數(shù)據(jù)的層次結(jié)構(gòu)如圖1所示。
圖1 容器層次結(jié)構(gòu)
Drawing GROUP為組合圖形存儲(chǔ)結(jié)構(gòu),，它包含了一組圖形對象,。Drawing為圖形存儲(chǔ)結(jié)構(gòu)，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(biāo),，文本和OLE數(shù)據(jù)和用戶自定義屬性表,。
屬性項(xiàng)采用idvalue結(jié)構(gòu)，自定義屬性表的長度可變,。各項(xiàng)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(rèn)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(biāo)尺等。
摘要： 根據(jù)目前主流電子紙閱讀器硬件資源有限,、要求功耗小,、灰階顯示等特點(diǎn)，提出了一種PPT格式文檔解析方案,。聚焦于滿足人們對于移動(dòng)閱讀的基本需求,，選取了文字、圖形,、圖像作為基本解析對象,，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)適合電子紙閱讀器的PPT格式引擎，并進(jìn)行了多重優(yōu)化以提升性能體驗(yàn),，在低端的硬件配置和有限的運(yùn)行時(shí)間內(nèi)完成格式解析,。
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(jié)構(gòu)也更加復(fù)雜,，導(dǎo)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(dòng)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(shí)現(xiàn),?；谇度胧蕉喔袷浇馕鲆嫦到y(tǒng)架構(gòu)和中間格式理論,，具有平臺無關(guān)性、高效性的特點(diǎn),。
1 系統(tǒng)特點(diǎn)
該解析引擎兼容版本多,，包括Microsoft PowerPoint 972003等版本。下面介紹一下系統(tǒng)特點(diǎn),。
?、?不依賴于圖形服務(wù)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(wù)器,。例如，我們的實(shí)驗(yàn)系統(tǒng)的圖形服務(wù)器由nanoX改為Qt時(shí),，該解析引擎不需要修改,。
② 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(guān),。
③ 平臺無關(guān)性,。解析引擎并不是直接在顯示設(shè)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(shè)備上,。即輸入是文件,，輸出是屏幕大小的位圖。
?、?配置靈活,。解析引擎的模塊化設(shè)計(jì)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,。
⑤ 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。
?、?個(gè)性化交互方式,。利用電子紙控制器的16通道和黑白刷，實(shí)現(xiàn)動(dòng)畫切換效果,。
2 格式分析
2.1 總體結(jié)構(gòu)
Microsoft PowerPoint使用OLE2組合文檔存儲(chǔ),。和文件系統(tǒng)結(jié)構(gòu)類似，它包含容器和流,，并組成的樹狀結(jié)構(gòu),。各種流獨(dú)立存儲(chǔ)，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(jié)構(gòu)
PPT存儲(chǔ)格式采用十六進(jìn)制,，small endian字節(jié)序,，分為若干個(gè)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(gè)數(shù)據(jù)塊為初始數(shù)據(jù)塊,，存儲(chǔ)了數(shù)據(jù)塊索引表。
2.2 圖像流結(jié)構(gòu)
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(gè)唯一的實(shí)例碼與之相應(yīng),。
多媒體數(shù)據(jù)的層次結(jié)構(gòu)如圖1所示,。
圖1 容器層次結(jié)構(gòu)
Drawing GROUP為組合圖形存儲(chǔ)結(jié)構(gòu)，它包含了一組圖形對象,。Drawing為圖形存儲(chǔ)結(jié)構(gòu),，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(biāo),，文本和OLE數(shù)據(jù)和用戶自定義屬性表,。
屬性項(xiàng)采用idvalue結(jié)構(gòu)，自定義屬性表的長度可變,。各項(xiàng)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(rèn)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(biāo)尺等,。
3 軟件設(shè)計(jì)
本設(shè)計(jì)以嵌入式多格式解析引擎系統(tǒng)架構(gòu)為基礎(chǔ)。解析引擎是負(fù)責(zé)對源文件進(jìn)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(gòu)如圖2所示。
圖2 解析引擎架構(gòu)
3.1 語法分析器
語法分析器為輸入流數(shù)據(jù),，輸出為結(jié)構(gòu)化數(shù)據(jù)供各模塊使用,。PPT格式的記錄采用idvalue結(jié)構(gòu)，id和value占據(jù)規(guī)定的字節(jié)數(shù),，語法分析器負(fù)責(zé)識別記錄id,，并抽取value。
3.2 導(dǎo)航器
負(fù)責(zé)把數(shù)據(jù)從文件系統(tǒng)調(diào)入內(nèi)存,，并把I/O流轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù),，即用DOM結(jié)構(gòu)描述文件的整體架構(gòu)。
該模塊具有頁面導(dǎo)航作用,。PPT使用OLE2組合文檔存儲(chǔ),。容器和結(jié)點(diǎn)只存儲(chǔ)粗粒度索引信息，對于不需要立即顯示的頁,，只存儲(chǔ)容器結(jié)點(diǎn),，暫時(shí)不展開，需要顯示該頁時(shí),，再從該結(jié)點(diǎn)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(jìn)入速度只和第一頁的復(fù)雜程度有關(guān),。
此外,，為了更好地索引，建立了一系列的鏈表結(jié)構(gòu),。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(jìn)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(gè)重要的全局鏈表,。
?、?數(shù)據(jù)塊索引表。文件以塊為單位存儲(chǔ),，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(jìn)行尋址操作,。
?、?構(gòu)建根目錄表，包括存儲(chǔ)內(nèi)容的起始塊號和大小,，用于尋址操作,。讀操作只在當(dāng)前塊范圍內(nèi)，當(dāng)超出當(dāng)前塊可讀長度時(shí),，通過查詢塊索引表找到下一塊的塊號,。
③ 構(gòu)建圖像數(shù)據(jù)流鏈表,。
?、?構(gòu)建用戶反向鏈表。為了快速保存,，PPT采用增量式存儲(chǔ),，即每次保存時(shí)，直接生成頁面副本并追加到文檔末尾,。增量式存儲(chǔ)的缺點(diǎn)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(shí)際大小和修改次數(shù)有關(guān)。
?、?幻燈片文本鏈,，流信息到排版元數(shù)據(jù)獨(dú)立存儲(chǔ)。純文本存儲(chǔ)在文本流中,，存儲(chǔ)以及排版信息存儲(chǔ)在頁數(shù)據(jù)區(qū),。頁數(shù)據(jù)區(qū)還存儲(chǔ)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(chǔ),。因?yàn)殡娮蛹堬@示灰度圖像,，背景和正文疊加以后看不清楚，用戶閱讀時(shí)可以去除背景,，而不會(huì)影響到文件本身,。
增量式存儲(chǔ)的基本思想是：每次修改產(chǎn)生一個(gè)用戶信息,，存儲(chǔ)修改的塊號，當(dāng)前用戶信息反向指向上一個(gè)用戶信息,，從而構(gòu)成一個(gè)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(fù)責(zé)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(biāo)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(fù)雜,，可以分為正文和圖形內(nèi)嵌文字兩種，各級標(biāo)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(jìn)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(yù)排版和頁面排版兩部分,，預(yù)排版負(fù)責(zé)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(gè)字模位圖填充緩沖區(qū),。然后結(jié)合標(biāo)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(fù)責(zé)圖形繪制和組合圖形坐標(biāo)空間轉(zhuǎn)換,。本解析引擎不依賴于圖形服務(wù)器,，擁有專用的矢量圖形繪制庫。能夠?qū)D形直接繪制到頁面位圖中,，與物理顯示無關(guān),。
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(yùn)算效率,，對于浮點(diǎn)數(shù)作取整運(yùn)算,。經(jīng)驗(yàn)證，在浮點(diǎn)數(shù)運(yùn)算效率不佳的嵌入式系統(tǒng)上也能到達(dá)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(jié)構(gòu)。子結(jié)點(diǎn)使用相對于父結(jié)點(diǎn)的坐標(biāo)空間。因此,，圖形處理能夠遞歸地進(jìn)行坐標(biāo)轉(zhuǎn)化,，并把圖形繪制在其父結(jié)點(diǎn)的坐標(biāo)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(gòu),，并進(jìn)一步轉(zhuǎn)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(chǔ)在圖像流中，通過FBSE （File Blip Store Entry）描述,。于是定義了結(jié)構(gòu)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(jì)算量比較大的工作,，很難達(dá)到理想的效果。于是本解析引擎在應(yīng)用了多頁面緩沖機(jī)制和異步并行機(jī)制的優(yōu)化策略,。
各渲染器異步并行地工作，第一個(gè)完成任務(wù)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(gè)刷屏間歇，其余渲染器完成任務(wù),，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(gè)。此外,，異步執(zhí)行不阻塞輸入,，如果這時(shí)用戶翻頁，未完成解析線程會(huì)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(shí)先顯示文字,，隨后顯示出圖像,，并且不會(huì)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(huì)被終止,。
5 驗(yàn)證
在主頻200 MHz的電子紙閱讀器上實(shí)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(jī)選擇60個(gè)樣本文件,，進(jìn)入書籍最短時(shí)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(jì)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(gè)第一頁完全相同但是大小差別較大的PPT文檔。實(shí)驗(yàn)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(dòng)速度對比
結(jié)語
由于電子紙的特性和嵌入式設(shè)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(shè)計(jì)架構(gòu),，有利于下一步進(jìn)行功能擴(kuò)展,，另外，隨著Office開放文檔格式（OOXML）的誕生并成為國際標(biāo)準(zhǔn),，未來將開發(fā)支持OOXML的嵌入式解析器,。