問題提出原因、背景

在高可(ke)用云電腦的項目中，需(xu)要將云電腦中的所有文(wen)(wen)件(jian)(jian)同(tong)步(bu)到另一臺云電腦中，這些(xie)文(wen)(wen)件(jian)(jian)中就有許多是Office文(wen)(wen)件(jian)(jian)。而在實際(ji)運(yun)行中發現，Office源(yuan)文(wen)(wen)件(jian)(jian)的微小改動，都(dou)會使得整個Office文(wen)(wen)件(jian)(jian)都(dou)需(xu)要重新同(tong)步(bu)，例如，在Word文(wen)(wen)件(jian)(jian)的末(mo)尾(wei)中，添加一個逗號(hao)，整個Word文(wen)(wen)件(jian)(jian)都(dou)發生(sheng)了變化（在磁(ci)盤層面觀察）。這樣同(tong)步(bu)傳輸(shu)時(shi)耗費的時(shi)間和網絡(luo)資源(yuan)都(dou)很大。

因此，需(xu)要調研(yan)Office的緩存機制，了(le)解為何Office的微小改動會導(dao)致整個文件都發生變化，繼而得出該問題的解決辦法。

由(you)上一(yi)(yi)篇“Office調(diao)研——Office的(de)(de)緩存(cun)機(ji)制(zhi)”的(de)(de)文(wen)(wen)章中通過(guo)調(diao)研得出了(le)Office的(de)(de)緩存(cun)、落盤機(ji)制(zhi)，并且證明了(le)是(shi)“由(you)于Office軟件在每次保存(cun)中，都(dou)將全量(liang)數據（包括增量(liang)）寫入到新的(de)(de)文(wen)(wen)件中，所以從磁盤層面觀察，無論是(shi)多微小的(de)(de)改(gai)(gai)動(dong)，都(dou)是(shi)產生(sheng)了(le)一(yi)(yi)個新文(wen)(wen)件”，導致Office的(de)(de)微小改(gai)(gai)動(dong)會導致整個文(wen)(wen)件都(dou)發生(sheng)變化。

本篇繼續調(diao)研上一篇“Office調(diao)研——Office的(de)緩存機制”的(de)文章中提出(chu)的(de)獲取Office增(zeng)量(liang)的(de)三(san)種方法(fa)是否可(ke)行。

1.問題描述

1. 方法1：將ppt解壓，變成分散的文件，對比各個文件的差異，按照文件的方式去獲取增量內容。是否可行？
2. 方法2：利用python，讀取ppt，在python內比較兩個ppt之間的差異，將差異部分以某種文件的形式保存下來，得到保存增量數據的文件。是否可行？
3. 方法3：利用VBA編程，將代碼直接插入到Office里面，獲取Office的增量數據。是否可行？

2.方法1：將ppt解壓，變成分散的文件，對比各個文件的差異

2.1.對 word、excel、ppt解壓后（zip 解壓）的文件結構，如下：

Word	excel	ppt

2.2.修改word內容，記錄word解壓后的文件的改變情況

修改前文件大小	修改后文件大小
text001.docx ：570KB 解壓后：604KB 圖片：557KB 其他：43.9KB	text001.docx ：1.095MB 解壓后：1.10MB 圖片：1050KB 其他：45.7KB 其中新增圖片：525KB

若(ruo)按照docx文件傳輸，則(ze)需要傳輸 1.095 MB

若按照解(jie)壓后的文件傳(chuan)(chuan)輸(shu)，則至少(shao)需要傳(chuan)(chuan)輸(shu) 526.317KB ，最多需要傳(chuan)(chuan)輸(shu) 1.10MB

2.3.修改excel內容，記錄excel解壓后的文件的改變情況

修改前文件大小	修改后文件大小

若(ruo)按(an)照excel文件傳輸(shu)，則需要傳輸(shu) 9KB

若按照解壓后(hou)的文件傳輸，則至少需要(yao)傳輸 0.2KB ，最(zui)多(duo)需要(yao)傳輸 28KB

2.4.修改ppt內容，記錄ppt解壓后的文件改變情況

修改前文件大小	修改后文件大小

若(ruo)按照excel文(wen)件傳輸，則(ze)需要傳輸 346KB

若按照解(jie)壓后(hou)的(de)文件傳輸(shu)，則至少(shao)需(xu)要傳輸(shu) 11KB ，最多需(xu)要傳輸(shu) 407KB

2.5.使用 beyond compare 工具對比文件前后改變情況

Word：增加了兩行文字，增加了一張圖片

Excel：增加了兩個單(dan)元(yuan)格內(nei)容(rong)。

ppt：第一(yi)張幻燈片調整了文字框，沒有(you)增(zeng)加文字。

新增(zeng)了2,3,4,5,6幻燈(deng)片，幻燈(deng)片內容(rong)都為(wei)文字

解壓(ya)后傳(chuan)輸 26185 字節，約 25.57KB

pptx傳輸 353780 字節，約 345.49KB

傳輸(shu)量約為原本的(de) 7.4 01%

2.6.結論

方法(fa)1可行。將ppt，word，excel文件(jian)解壓，變(bian)成分散(san)的(de)(de)文件(jian)，對比各個文件(jian)的(de)(de)差異，然(ran)后傳輸這些差異文件(jian)，為(wei)一個可行，且過程不太復雜的(de)(de)方法(fa)。

3.方法2：利用python，讀取ppt，在python內比較兩個ppt之間的差異，將差異部分以某種文件的形式保存下來，得到保存增量數據的文件

3.1.以ppt文件為例，利用python-pptx庫實現獲取ppt的增量數據，編寫demo代碼

demo代碼：

import pathlib
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.enum.shapes import MSO_SHAPE_TYPE
# 借用openpyxl的單位轉換
from openpyxl.utils.units import EMU_to_pixels as e2p

def output_diff_dict(diff_dict):
	print(f'========== print diff dict ==========')
	for key, value in diff_dict.items():
		print(f'key = {key} | value = {value} | type = {type(value)}')

path = list(pathlib.Path.cwd().parents)[1].joinpath('D:\\xxxxx')
img_out_path = path.joinpath('ppt_out_images')
txt_out_path = path.joinpath('ppt_notes.txt')

def create_new_ppt(origin_ppt, diff_dict):
	for key,value in diff_dict.items():
		key_temp = key.split(",")
		key_len = len(key_temp)
		
		# 添加頁
		# todo
		if key_len == 1:
			if value == 'NULL':
				origin_ppt.slides._sldIdLst.remove[int(key_temp[0])] 
			else:
				# todo
				print('need add slides')
		
		# 添加 shape
		# todo
		if key_len == 2:
			shapes_temp = origin_ppt.slides[int(key_temp[0])].shapes
			if value == 'NULL':
				# todo
				print('need delete shape')
			else:
				if (value.shape_type == MSO_SHAPE_TYPE.PICTURE):
					#shapes_temp.add_picture(value, left = value.left, top = value.top)
					
					# 獲取二進制字符流
					imdata = value.image.blob
					# 判斷文件后綴類型
					imagetype = value.image.content_type
					typekey = imagetype.find('/') + 1
					imtype = imagetype[typekey:]
					
					# 圖片生成
					image_file = ".\\pic001" + "." + imtype

					file_str=open(image_file,'wb')
					file_str.write(imdata)
					file_str.close()
					
					shapes_temp.add_picture(image_file, left = value.left, top = value.top, width=value.width, height=value.height)
				elif (value.has_text_frame):
					new_text = shapes_temp.add_textbox(left=value.left, top=value.top, width=value.width, height=value.height).text_frame
					new_text.paragraphs[0].text = value.text_frame.text
					
				else:
					print('need add shape')
		
		# 修改 shape
		# todo
		
		if key_len == 3:
			slide_layouts_temp = origin_ppt.slide_master.slide_layouts
			shape_temp = origin_ppt.slides[int(key_temp[0])].shapes[int(key_temp[1])]
			# text 類型
			if key_temp[2] == 'text':
				if value == 'NULL':
					#todo
					print('need delete text')
				else:
					shape_temp.text_frame.text = value
			# image 類型
			if key_temp[2] == 'image':
				if value == 'NULL':
					print('need delete image')
				else:
					shape_temp.image = value
				
	print('save ppt.')
	origin_ppt.save("text003.pptx")

# 獲取到對象
in_path1 = path.joinpath('test001.pptx')
prs1 = Presentation(in_path1)
in_path2 = path.joinpath('test002.pptx')
prs2 = Presentation(in_path2)

# 存儲位置 + 內容
diff_dict = {}

# 比較頁數，存儲不同的整頁
print(f'========== compare slide len ==========')
slide1_len = len(prs1.slides)
slide2_len = len(prs2.slides)
# EMU單位，1 Pixel = 9525 EMU
w, h = prs1.slide_width, prs1.slide_height
print(f'ppt1 總共 {slide1_len} 頁，頁寬 {e2p(w)} px，頁高 {e2p(h)} px')
w, h = prs2.slide_width, prs2.slide_height
print(f'ppt2 總共 {slide2_len} 頁，頁寬 {e2p(w)} px，頁高 {e2p(h)} px')

less_slide_len = slide1_len
if(slide1_len != slide2_len):
	if(slide1_len < slide2_len):
		for i in range(slide1_len, slide2_len):
			diff_dict[f"{i}"] = prs2.slides[i]
	else:
		less_slide_len = slide2_len
		for i in range(slide2_len, slide1_len):
			diff_dict[f"{i}"] = 'NULL'

# 比較每頁，存儲每頁不同
for i in range(less_slide_len):
	print(f'========== compare slide[{i}] ==========')
	slide1 = prs1.slides[i]
	slide2 = prs2.slides[i]
	slide_key = f"{i}"
	
	# 比較每頁里面的形狀shape，shape包含ppt里面一切可視元素
	shape1_len = len(slide1.shapes)
	shape2_len = len(slide2.shapes)
	less_shape_len = shape1_len
	
	if(shape1_len != shape2_len):
		if(shape1_len < shape2_len):
			for j in range(shape1_len, shape2_len):
				shape_key = slide_key + f",{j}"
				diff_dict[shape_key] = slide2.shapes[j]
		else:
			less_shape_len = shape2_len
			for j in range(shape2_len, shape1_len):
				shape_key = slide_key + f",{j}"
				diff_dict[shape_key] = 'NULL'

	print(f'ppt1 總共 {shape1_len} 個shape')
	print(f'ppt2 總共 {shape2_len} 個shape')
	
	# 比較每個形狀
	for j in range(less_shape_len):
		print(f'========== compare shape[{j}] ==========')
		shape1 = slide1.shapes[j]
		shape2 = slide2.shapes[j]
		shape_key = slide_key + f",{j}"
		
		# 比較shape里的文本
		if (shape1.has_text_frame) :
			text_key = shape_key + ",text"
			
			if (shape2.has_text_frame):
				text1 = shape1.text_frame.text
				text2 = shape2.text_frame.text
				print(f'ppt1 = {text1}')
				print(f'ppt2 = {text2}')
				if( text1 != text2):
					print(f'text different.')
					diff_dict[text_key] = text2
			else:
				print(f'ppt2 has not text.')
				diff_dict[text_key] = 'NULL'
		
		# 比較shape里的圖片
		if (shape1.shape_type == MSO_SHAPE_TYPE.PICTURE):
			image_key = shape_key + ",image"
			
			if (shape2.shape_type == MSO_SHAPE_TYPE.PICTURE):
				img1 = shape1.image
				img2 = shape2.image
				if( img1 != img2):
					print(f'image different.')
					diff_dict[image_key] = img2
			else:
				print(f'ppt2 has not image.')
				diff_dict[image_key] = 'NULL'
		
output_diff_dict(diff_dict)

create_new_ppt(prs1, diff_dict)

3.2.結論

方法(fa)2可行。但提取(qu)出增量(liang)數據需要原文件(jian)和新文件(jian)，將兩個文件(jian)讀取(qu)到(dao)python內存中比(bi)較(jiao)，代(dai)碼需要循環比(bi)較(jiao)，過程復雜(za)。

4.方法3：利用VBA編程，將代碼直接插入到Office里面，獲取Office的增量數據

4.1.以ppt文件為例，調研VBA編程可以獲取到ppt對象模型中的全量數據，還是增量數據。

經(jing)過調(diao)研、代(dai)碼實踐可知，VBA 編程(cheng)中(zhong)獲取(qu)的 ppt 對(dui)象(xiang)數(shu)據為全量數(shu)據，證明如下：

1. 利用VBA代(dai)碼訪問打(da)開的(de) ppt 中的(de)對象，檢查其提取(qu)該對象的(de)文本內(nei)容。

在未保存(cun)時(shi)，提取的結果(guo)為(wei)該對象(xiang)的所有文本（不區分原有和新增）

在(zai)按下 “CTRL+S” 保(bao)存(cun)時，提取的(de)結果依然為該對象的(de)所(suo)有文本（不(bu)區分原有和新增）

2. 對(dui)(dui)官(guan)方網站提供的(de)(de)(de)API接口進行查(cha)詢(xun)，未發現專門存(cun)(cun)儲增量(liang)數(shu)據的(de)(de)(de)對(dui)(dui)象(xiang)。從API文(wen)檔中(zhong)可以(yi)看(kan)出，ppt在內存(cun)(cun)中(zhong)是以(yi)一(yi)個個對(dui)(dui)象(xiang)進行存(cun)(cun)儲的(de)(de)(de)，該(gai)對(dui)(dui)象(xiang)包(bao)含了ppt的(de)(de)(de)所有信息，用戶(hu)在編輯ppt時，實際上就在動態(tai)地(di)修改(gai)內存(cun)(cun)中(zhong)的(de)(de)(de)對(dui)(dui)象(xiang)（對(dui)(dui)象(xiang)中(zhong)存(cun)(cun)儲的(de)(de)(de)數(shu)據總是原有+增量(liang)，即最新(xin)的(de)(de)(de)全量(liang)數(shu)據），用戶(hu)敲下CTRL+S時，系統(tong)對(dui)(dui)內存(cun)(cun)中(zhong)的(de)(de)(de)所有ppt對(dui)(dui)象(xiang)進行落(luo)盤(pan)存(cun)(cun)儲，并覆蓋原來的(de)(de)(de)ppt文(wen)件(jian)，形成新(xin)的(de)(de)(de)ppt文(wen)件(jian)。

3. 即使ppt在緩存中把(ba)原有的(de)(de)(de)數(shu)據(ju)和(he)增(zeng)量的(de)(de)(de)數(shu)據(ju)分開存儲了，在VBA層面也是不可知的(de)(de)(de)，因為VBA是調用ppt的(de)(de)(de)API進行訪問，API中沒有對增(zeng)量數(shu)據(ju)的(de)(de)(de)訪問，則(ze)VBA無法獲(huo)取增(zeng)量數(shu)據(ju)。

4.1.1.結論

由(you)以上3點可以推斷，利用(yong)VBA工具也(ye)只能先提取出ppt的全(quan)量數(shu)據，再與原有(you)的ppt文(wen)件進行對比(bi)，才能得出增量的數(shu)據。

4.2. ppt緩存對象結構

由(you)以上獲得的(de)信(xin)息可得ppt的(de)緩存對(dui)象模(mo)型結構，如(ru)下：

4.3.VBA 獲取ppt增量數據考慮的實現方法

4.3.1.針對word、excel

1. 使用錄制宏，記錄下用戶操作，然后傳輸這個宏文件。（即自動生成的VBA代碼）【不(bu)可行】
   1. 問題：錄制宏能否實現自動化，使得用戶無感知？
      
      1. 答：目前未發現錄制宏的自動化功能。
2. 使用 VBA 代碼，動態獲取 word、excel 的對象，跟原對象進行對比，找出差異進行傳輸。【過程復雜，繁瑣】
   1. 問題：具體代碼實現有哪些需要考慮的問題？
      1. 答：代碼較為繁瑣，但可以實現。需要評估獲取差異所耗費的時間、資源和直接全量傳輸所耗費的時間、資源。

4.3.2.針對ppt

1. 使用 VBA 代碼，動態獲取ppt的對象，跟原對象進行對比，找出差異進行傳輸。
   1. 問題：與前面的一樣。

4.4.從官方文檔中尋找比較內容差異相關的API接口

1. Application.CompareDocuments (word)【不可(ke)行(xing)】
   1. 能夠返回有修訂記錄的文檔，不符合要求。
2. Windows.CompareSideBySideWith method (Excel)【不可行(xing)】
   1. 能夠打開兩個窗口，不符合要求。

4.5.結論

方(fang)法3可行。利(li)用 VBA 編程考(kao)慮能(neng)夠實現(xian)Office文件內容差異的提取，但(dan)是過程較(jiao)為繁瑣，復(fu)雜(za)。

5.綜合結論

1. 方(fang)法1：將ppt解壓，變成分散的文件，對比各個文件的差異，按照(zhao)文件的方(fang)式去獲取增量內容。是(shi)否可行(xing)？

答(da)：方法1可行(xing)。將ppt，word，excel文(wen)件(jian)(jian)解(jie)壓，變(bian)成分散的(de)文(wen)件(jian)(jian)，對比各個文(wen)件(jian)(jian)的(de)差異，然(ran)后(hou)傳輸這些差異文(wen)件(jian)(jian)，為一個可行(xing)，且過程不太復(fu)雜的(de)方法。

2. 方(fang)法2：利用(yong)python，讀取ppt，在python內比較兩(liang)個ppt之間的差異(yi)，將差異(yi)部分以某(mou)種文件的形式(shi)保(bao)存(cun)下來，得到(dao)保(bao)存(cun)增量數據的文件。是否可行？

答(da)：方法2可行。但提取(qu)出增量數據(ju)需要原文件(jian)和新(xin)文件(jian)，將兩(liang)個文件(jian)讀取(qu)到python內(nei)存中比(bi)較(jiao)，代(dai)碼(ma)需要循環(huan)比(bi)較(jiao)，過(guo)程復(fu)雜。

3. 方法3：利用VBA編程，將代碼(ma)直接插入到Office里面，獲取Office的增量數(shu)據。是(shi)否可行？

答：方法3可(ke)行。利(li)用 VBA 編程(cheng)(cheng)考慮(lv)能夠實現Office文件內容(rong)差異(yi)的提取，但(dan)是過程(cheng)(cheng)較為(wei)繁瑣，復雜。