public function parse()
{
parent::parse();
// В файле обязан быть поток Current User.
$cuStreamID = $this->getStreamIdByName("Current User");
if ($cuStreamID === false) {
return false;
}
// Получаем этот поток, проверяем хеш (а перед нами ли PowerPoint-презентация?)
// и читаем смещение до первой структуры UserEditAtom
$cuStream = $this->getStreamById($cuStreamID);
if ($this->getLong(12, $cuStream) == 4090610911.0) {
return false;
}
$offsetToCurrentEdit = $this->getLong(16, $cuStream);
// Находим в файле поток PowerPoint Document.
$ppdStreamID = $this->getStreamIdByName("PowerPoint Document");
if ($ppdStreamID === false) {
return false;
}
$ppdStream = $this->getStreamById($ppdStreamID);
// В нём начинаем искать все UserEditAtom'ы, которые требуются нам для получения
// смещений до PersistDirectory.
$offsetLastEdit = $offsetToCurrentEdit;
$persistDirEntry = array();
$live = null;
$offsetPersistDirectory = array();
do {
$userEditAtom = $this->getRecord($ppdStream, $offsetLastEdit, 0xff5);
$live =& $userEditAtom;
array_unshift($offsetPersistDirectory, $this->getLong(12, $userEditAtom));
$offsetLastEdit = $this->getLong(8, $userEditAtom);
} while ($offsetLastEdit != 0x0);
// Перебираем все полученные смещения. До этого здесь была *серьёзная* ошибка.
for ($j = 0; $j < count($offsetPersistDirectory); $j++) {
$rgPersistDirEntry = $this->getRecord($ppdStream, $offsetPersistDirectory[$j], 0x1772);
if ($rgPersistDirEntry === false) {
return false;
}
// Теперь читаем по четыре байта: первые 20 бит - это начальный ID вхождения в PersistDirectory,
// следующие 12 - количество последующих смещений.
for ($k = 0; $k < strlen($rgPersistDirEntry);) {
$persist = $this->getLong($k, $rgPersistDirEntry);
$persistId = $persist & 0xfffff;
$cPersist = ($persist & 4293918720.0) >> 20 & 0xfff;
$k += 4;
// Заполняем массив PersistDirectory, исходя из полученных данных.
for ($i = 0; $i < $cPersist; $i++) {
$offset = $this->getLong($k + $i * 4, $rgPersistDirEntry);
$persistDirEntry[$persistId + $i] = $this->getLong($k + $i * 4, $rgPersistDirEntry);
}
$k += $cPersist * 4;
}
}
// В последней прочитанной записи ищем ID вхождения с DocumentContainer'ом.
$docPersistIdRef = $this->getLong(16, $live);
$documentContainer = $this->getRecord($ppdStream, $persistDirEntry[$docPersistIdRef], 0x3e8);
// Теперь нам нужно пропустить много мусора до SlideList'а.
$offset = 40 + 8;
$exObjList = $this->getRecord($documentContainer, $offset, 0x409);
if ($exObjList) {
$offset += strlen($exObjList) + 8;
}
$documentTextInfo = $this->getRecord($documentContainer, $offset, 0x3f2);
$offset += strlen($documentTextInfo) + 8;
$soundCollection = $this->getRecord($documentContainer, $offset, 0x7e4);
if ($soundCollection) {
$offset += strlen($soundCollection) + 8;
}
$drawingGroup = $this->getRecord($documentContainer, $offset, 0x40b);
$offset += strlen($drawingGroup) + 8;
$masterList = $this->getRecord($documentContainer, $offset, 0xff0);
$offset += strlen($masterList) + 8;
$docInfoList = $this->getRecord($documentContainer, $offset, 0x7d0);
if ($docInfoList) {
$offset += strlen($docInfoList) + 8;
}
$slideHF = $this->getRecord($documentContainer, $offset, 0xfd9);
if ($slideHF) {
$offset += strlen($slideHF) + 8;
}
$notesHF = $this->getRecord($documentContainer, $offset, 0xfd9);
if ($notesHF) {
$offset += strlen($notesHF) + 8;
}
// Избавляемся от прочитанного мусора.
unset($exObjList, $documentTextInfo, $soundCollection, $drawingGroup, $masterList, $docInfoList, $slideHF, $notesHF);
// Читаем структуру SlideList.
$slideList = $this->getRecord($documentContainer, $offset, 0xff0);
$out = "";
for ($i = 0; $i < strlen($slideList);) {
// Читаем текущий блок и определяем, что нам делать по его типу.
$block = $this->getRecord($slideList, $i);
switch ($this->getRecordType($slideList, $i)) {
case 0x3f3:
# RT_SlidePersistAtom
// Вариант худший, если перед нами указатель на слайд, тогда мы должны
// обратиться к PersistDirectory для получения этого слайда.
$pid = $this->getLong(0, $block);
$slide = $this->getRecord($ppdStream, @$persistDirEntry[$pid], 0x3ee);
// Опять пропускаем всякое-разное до структуры Drawing.
$offset = 32;
$slideShowSlideInfoAtom = $this->getRecord($slide, $offset, 0x3f9);
if ($slideShowSlideInfoAtom) {
$offset += strlen($slideShowSlideInfoAtom) + 8;
}
$perSlideHFContainer = $this->getRecord($slide, $offset, 0xfd9);
if ($perSlideHFContainer) {
$offset += strlen($perSlideHFContainer) + 8;
}
$rtSlideSyncInfo12 = $this->getRecord($slide, $offset, 0x3714);
if ($rtSlideSyncInfo12) {
$offset += strlen($rtSlideSyncInfo12) + 8;
}
// Drawing - это объект MS Drawing, который имеет подобную PPT заголовочную структуру.
// Чтобы не разбирать все возможные вложения структур одна в другую, поищем текст напрямую.
$drawing = $this->getRecord($slide, $offset, 0x40c);
$from = 0;
while (preg_match("#(�|�)#", $drawing, $pocket, PREG_OFFSET_CAPTURE, $from)) {
$pocket = @$pocket[1];
// Обязательно проверим, что заголовок блока начинается с двух "нулей", иначе возможно мы
// нашли что-то в середине других данных.
if (substr($drawing, $pocket[1] - 2, 2) == "") {
// Читаем либо Plain текст, либо Unicode.
if (ord($pocket[0]) == 0xa8) {
$out .= htmlspecialchars($this->getRecord($drawing, $pocket[1] - 2, 0xfa8)) . " ";
} else {
$out .= $this->unicode_to_utf8($this->getRecord($drawing, $pocket[1] - 2, 0xfa0)) . " ";
}
}
// Ищем следующее вхождение
$from = $pocket[1] + 2;
}
break;
case 0xfa0:
# RT_TextCharsAtom
// Варианты по проще: мы нашли Unicode-символьное вхождение
$out .= $this->unicode_to_utf8($block) . " ";
break;
case 0xfa8:
# RT_TextBytesAtom
// Или обычный читый текст.
$out .= htmlspecialchars($block) . " ";
break;
# some other skipped
}
// Сдвигаемся на длину блока с заголовком.
$i += strlen($block) + 8;
}
// Возвращаем UTF-8 текст.
return html_entity_decode(iconv("windows-1251", "utf-8", $out), ENT_QUOTES, "UTF-8");
}
public function parse()
{
parent::parse();
// Для чтения DOC'а нам нужны два потока - WordDocument и 0Table или
// 1Table в зависимости от ситуации. Для начала найдћм первый - в нћм
// (потоке) разбросаны кусочки текста, которые нам нужной поймать.
$wdStreamID = $this->getStreamIdByName("WordDocument");
if ($wdStreamID === false) {
return false;
}
// Поток нашли, читаем его в переменную
$wdStream = $this->getStreamById($wdStreamID);
// Далее нам нужно получить кое-что из FIB - специальный блок под названием
// File Information Block в начале потока WordDocument.
$bytes = $this->getShort(0xa, $wdStream);
// Считываем какую именно таблицу нам нужно будет читать - первую или нулевую.
// Для этого прочитаем один маленький бит из заголовка по известному смещению.
$fWhichTblStm = ($bytes & 0x200) == 0x200;
// Теперь нам нужно узнать позицию CLX в табличном потоке. Ну и размер этого самого
// CLX - пусть ему пусто будет.
$fcClx = $this->getLong(0x1a2, $wdStream);
$lcbClx = $this->getLong(0x1a6, $wdStream);
// Читаем несколько значений, чтобы отделить позиции от размерности в clx
$ccpText = $this->getLong(0x4c, $wdStream);
$ccpFtn = $this->getLong(0x50, $wdStream);
$ccpHdd = $this->getLong(0x54, $wdStream);
$ccpMcr = $this->getLong(0x58, $wdStream);
$ccpAtn = $this->getLong(0x5c, $wdStream);
$ccpEdn = $this->getLong(0x60, $wdStream);
$ccpTxbx = $this->getLong(0x64, $wdStream);
$ccpHdrTxbx = $this->getLong(0x68, $wdStream);
// С помощью вышенайденных значений, находим значение последнего CP - character position
$lastCP = $ccpFtn + $ccpHdd + $ccpMcr + $ccpAtn + $ccpEdn + $ccpTxbx + $ccpHdrTxbx;
$lastCP += ($lastCP != 0) + $ccpText;
// Находим в файле нужную нам табличку.
$tStreamID = $this->getStreamIdByName(intval($fWhichTblStm) . "Table");
if ($tStreamID === false) {
return false;
}
// И считываем из нећ поток в переменную
$tStream = $this->getStreamById($tStreamID);
// Потом находим в потоке CLX
$clx = substr($tStream, $fcClx, $lcbClx);
// А теперь нам в CLX (complex, ага) нужно найти кусок со смещениями и размерностями
// кусочков текста.
$lcbPieceTable = 0;
$pieceTable = "";
// Отмечу, что здесь вааааааааааще жопа. В документации на сайте толком не сказано
// сколько гона может быть до pieceTable в этом CLX, поэтому будем исходить из тупого
// перебора - ищем возможное начало pieceTable (обязательно начинается на 0х02), затем
// читаем следующие 4 байта - размерность pieceTable. Если размерность по факту и
// размерность, записанная по смещению, то бинго! мы нашли нашу pieceTable. Нет?
// ищем дальше.
$from = 0;
// Ищем 0х02 с текущего смещения в CLX
while (($i = strpos($clx, chr(0x2), $from)) !== false) {
// Находим размер pieceTable
$lcbPieceTable = $this->getLong($i + 1, $clx);
// Находим pieceTable
$pieceTable = substr($clx, $i + 5);
// Если размер фактический отличается от нужного, то это не то -
// едем дальше.
if (strlen($pieceTable) != $lcbPieceTable) {
$from = $i + 1;
continue;
}
// Хотя нет - вроде нашли, break, товарищи!
break;
}
// Теперь заполняем массив character positions, пока не наткнћмся
// на последний CP.
$cp = array();
$i = 0;
while (($cp[] = $this->getLong($i, $pieceTable)) != $lastCP) {
$i += 4;
}
// Остаток идћт на PCD (piece descriptors)
$pcd = str_split(substr($pieceTable, $i + 4), 8);
$text = "";
// Ура! мы подошли к главному - чтение текста из файла.
// Идћм по декскрипторам кусочков
for ($i = 0; $i < count($pcd); $i++) {
// Получаем слово со смещением и флагом компрессии
$fcValue = $this->getLong(2, $pcd[$i]);
// Смотрим - что перед нами тупой ANSI или Unicode
$isANSI = ($fcValue & 0x40000000) == 0x40000000;
// Остальное без макушки идћт на смещение
$fc = $fcValue & 0x3fffffff;
// Получаем длину кусочка текста
$lcb = $cp[$i + 1] - $cp[$i];
// Если перед нами Unicode, то мы должны прочитать в два раза больше файлов
if (!$isANSI) {
$lcb *= 2;
} else {
$fc /= 2;
}
// Читаем кусок с учћтом смещения и размера из WordDocument-потока
$part = substr($wdStream, $fc, $lcb);
// Если перед нами Unicode, то преобразовываем его в нормальное состояние
if (!$isANSI) {
$part = $this->unicode_to_utf8($part);
}
// Добавляем кусочек к общему тексту
$text .= $part;
}
// Удаляем из файла вхождения с внедрћнными объектами
$text = preg_replace("/HYPER13 *(INCLUDEPICTURE|HTMLCONTROL)(.*)HYPER15/iU", "", $text);
$text = preg_replace("/HYPER13(.*)HYPER14(.*)HYPER15/iU", "\$2", $text);
// Возвращаем результат
return $text;
}
public function parse()
{
parent::parse();
$wdStreamID = $this->getStreamIdByName("WordDocument");
if ($wdStreamID === false) {
return false;
}
$wdStream = $this->getStreamById($wdStreamID);
$bytes = $this->getShort(0xa, $wdStream);
$fWhichTblStm = ($bytes & 0x200) == 0x200;
$fcClx = $this->getLong(0x1a2, $wdStream);
$lcbClx = $this->getLong(0x1a6, $wdStream);
$ccpText = $this->getLong(0x4c, $wdStream);
$ccpFtn = $this->getLong(0x50, $wdStream);
$ccpHdd = $this->getLong(0x54, $wdStream);
$ccpMcr = $this->getLong(0x58, $wdStream);
$ccpAtn = $this->getLong(0x5c, $wdStream);
$ccpEdn = $this->getLong(0x60, $wdStream);
$ccpTxbx = $this->getLong(0x64, $wdStream);
$ccpHdrTxbx = $this->getLong(0x68, $wdStream);
$lastCP = $ccpFtn + $ccpHdd + $ccpMcr + $ccpAtn + $ccpEdn + $ccpTxbx + $ccpHdrTxbx;
$lastCP += ($lastCP != 0) + $ccpText;
$tStreamID = $this->getStreamIdByName(intval($fWhichTblStm) . "Table");
if ($tStreamID === false) {
return false;
}
$tStream = $this->getStreamById($tStreamID);
$clx = substr($tStream, $fcClx, $lcbClx);
$lcbPieceTable = 0;
$pieceTable = "";
$from = 0;
while (($i = strpos($clx, chr(0x2), $from)) !== false) {
$lcbPieceTable = $this->getLong($i + 1, $clx);
$pieceTable = substr($clx, $i + 5);
if (strlen($pieceTable) != $lcbPieceTable) {
$from = $i + 1;
continue;
}
break;
}
$cp = array();
$i = 0;
while (($cp[] = $this->getLong($i, $pieceTable)) != $lastCP) {
$i += 4;
}
$pcd = str_split(substr($pieceTable, $i + 4), 8);
$text = "";
for ($i = 0; $i < count($pcd); $i++) {
$fcValue = $this->getLong(2, $pcd[$i]);
$isANSI = ($fcValue & 0x40000000) == 0x40000000;
$fc = $fcValue & 0x3fffffff;
$lcb = $cp[$i + 1] - $cp[$i];
if (!$isANSI) {
$lcb *= 2;
} else {
$fc /= 2;
}
$part = substr($wdStream, $fc, $lcb);
if (!$isANSI) {
$part = $this->unicode_to_utf8($part);
}
$text .= $part;
}
$text = preg_replace("/HYPER13 *(INCLUDEPICTURE|HTMLCONTROL)(.*)HYPER15/iU", "", $text);
$text = preg_replace("/HYPER13(.*)HYPER14(.*)HYPER15/iU", "\$2", $text);
return $text;
}
