摘要： 根据目前主流电子纸阅读器硬件资源有限、要求功耗小、灰阶显示等特点，提出了一种PPT格式文档解析方案。聚焦于满足人们对于移动阅读的基本需求，选取了文字、图形、图像作为基本解析对象，设计并实现了一个适合电子纸阅读器的PPT格式引擎，并进行了多重优化以提升性能体验，在低端的硬件配置和有限的运行时间内完成格式解析。

　　引言

　　PPT（Microsoft Office PowerPoint），是微软公司开发的编辑演示文稿的办公软件。该格式相对于txt、chm等，信息量更大，结构也更加复杂，导致其对硬件配置要求较高。然而，目前嵌入式终端配置低，因此本文聚焦于满足人们对于移动阅读的基本需求，暂不考虑视频、音频和外部对象等特性支持。本解析器在开源环境下，基于Linux操作系统实现。基于嵌入式多格式解析引擎系统架构和中间格式理论，具有平台无关性、高效性的特点。

　　1 系统特点

　　该解析引擎兼容版本多，包括Microsoft PowerPoint 972003等版本。下面介绍一下系统特点。

　　① 不依赖于图形服务器。解析引擎拥有自己的专用的矢量图形绘制器。不依赖于特定的底层图形服务器。例如，我们的实验系统的图形服务器由nanoX改为Qt时，该解析引擎不需要修改。

　　② 高效性。对于一般的格式解析器，样本文件越大，打开速度越慢，而该解析器可以做到文件打开速度与文件大小基本无关。

　　③ 平台无关性。解析引擎并不是直接在显示设备上绘制图形和文字，而是把各种格式元素绘制在一段内存区域上，然后把这段内存数据映射到物理设备上。即输入是文件，输出是屏幕大小的位图。

　　④ 配置灵活。解析引擎的模块化设计便于移植和裁剪。所有数据类型采用宏定义，便于根据平台配置。

　　⑤ 支持手写批注。 解析器只做内容抽取和显示，不支持编辑和保存，支持手写批注。手写批注不改变原文档，而是新建xml描述文件。

　　⑥ 个性化交互方式。利用电子纸控制器的16通道和黑白刷，实现动画切换效果。

　　2 格式分析

　　2.1 总体结构

　　Microsoft PowerPoint使用OLE2组合文档存储。和文件系统结构类似，它包含容器和流，并组成的树状结构。各种流独立存储，便于载入和快速保存。如表1所列，PPT文件包括以下5种流式数据。

　　表1 PowerPoint文件结构

　　PPT存储格式采用十六进制，small endian字节序，分为若干个大数据块和小数据块，大小分别为512字节和64字节，第一个数据块为初始数据块，存储了数据块索引表。

　　2.2 图像流结构

　　PPT中包含矩形、图片框、文本框、线、椭圆等204种形式的元素，统称为Shape。每种Shape有一个唯一的实例码与之相应。

　　多媒体数据的层次结构如图1所示。

　　图1 容器层次结构

　　Drawing GROUP为组合图形存储结构，它包含了一组图形对象。Drawing为图形存储结构，Shape和Solver为两组图形属性元数据。Blip Store为插入的图片对象。Property Table为缺省属性表。Client Data为一组元数据信息，包含坐标，文本和OLE数据和用户自定义属性表。

　　属性项采用idvalue结构，自定义属性表的长度可变。各项属性相对位置不变。自定义属性表中出现的属性将覆盖默认属性。

　　Drawing为一组描述来管理容器中的图形对象的规则集合，包括对齐方式、标尺等。