Содержание:

3. Формат BIFF
3.1. Введение
3.2. Общая структура
3.3. Sheet records (Worksheet) поток
  3.3.1. Shared String Table (BIFF8)
3.4. Необходимый набор записей
  3.4.1. Описание основных записей
  3.4.2. Описание записей ячеек
  3.4.3. Как найти ячейки в BIFF файле
3.5. Изменения в новых версиях
  3.5.1. Новые записи в BIFF7 по сравнению с BIFF5
  3.5.2. Измененные записи в BIFF7 по сравнению с BIFF5
  3.5.3. Новые записи в BIFF8
  3.5.4. Измененные записи в BIFF8
4. Литература

3.Формат BIFF

3.1. Введение

BIFF структура представляет собой подряд идущие записи. Все записи имеют следующий общий формат:

Первые 4 байта (ID и размер) - это заголовок записи. Размер записи не включает размер заголовка! Все данные записываются в Intel-нотации.

Есть много стандартных записей Exсel. Каждая внутри (секция данных) имеет свой определенный формат. Я попытаюсь рассмотреть как можно больше различных записей.

Записи могут группироваться в потоки. Ограничителем групп (как бы логическими скобками) служат 2 специальные записи: BOF (Begin Of File) и EOF (End Of File). Они имеют следующий формат:

BOF

BOF кроме функции открытия логических скобок несет еще и информативную функцию - из него можно узнать, что он ограничивает.

EOF

3.2. Общая структура

Структура различна для разных версий

BIFF2-BIFF4

BIFF4 Workbook

BIFF5-BIFF8

Workbook globals - просто перечисление глобальных переменных, а вот поток Sheet records имеет более сложную структуру

3.3. Sheet records (Worksheet) поток

Записи Sheet records имеют 3 секции:

• Sheet settings - опции и установки
• Cell records - содержание ячеек, разделенных установками колонок и строк
• Sheet contents - содержание листа, касающееся нескольких ячеек, например, объединение ячеек.

3.3.1. Shared String Table (BIFF8)

В формате BIFF8, workbook собирает все строки всех текстовых ячеек в глобальный список, называемый shared string table (SST). Эта таблица располагается в секции workbook globals в записи SST. Вслед за SST записью следует запись EXTSST, которая хранит позицию потока для хэш-таблицы строк. Текстовые ячейки представляются через LABELSST записи, которые содержат индексы в SST. Для чтения важны только SST и LABELSST.

Пример: workbook содержит где-то строки "ААА", "ВВВ" и "ССС"

3.4. Необходимый набор записей

Excel записывает большое число различных записей. Некоторые можно опустить, а некоторые крайне необходимы. Пример из реального файла (всего один лист, никакой лишней информации, BIFF5, всего несколько ячеек заполнены текстом, числами). Не очень важные поля выделены более светлым цветом. Необходимые поля для BIFF5 выделены красным цветом.

3.4.1. Описание основных записей

Что значит основные записи? Это минимальный набор записей, без которых Exel файл не получится. Теоретически его еще можно укоротить, но все же рекомендуется именно такой минимальный набор.

WINDOW1 (3Dh)

Запись WINDOW1 содержит описание атрибутов окна workbook. Поля xWn и yWn содержат расположение окна в 1/20 point, относительно верхнего левого угла окна Microsoft Excel. Поля dxWn и dyWn содержат размер окна, также в 1/20 point.

grbit содержит флаги опций, перечисленные в таблице:

1904 (22h)

Не смотря на то, что без этой записи теоретически можно обойтись, любой Excel файл ее содержит.

Содержит систему данных, используемую Excel

FONT (BIFF2, BIFF5-BIFF8 031h; BIFF3-BIFF4 231h)

Таблица шрифтов книги содержит как минимум 5 записей FONT. Записи нумеруются подряд: ifnt = 00h (первая запись FONT), ifnt = 01h, ifnt = 02h, ifnt = 03h, ifnt = 05h (минимальная таблица), и затем ifnt = 06h, ifnt = 07h, и т.д. Заметьте, что записи ifnt = 04h нет в BIFF файле. Это сделано для обратной совместимости со старыми версиями Microsoft Excel. Когда идет чтение записей FONT, необходимо помнить, что запись ifnt = 04h пропускается.

grbit

FORMAT (BIFF2-BIFF3 01Eh, BIFF4-BIFF8 41Eh)

Записи FORMAT описывают форматы данных в книге.

Все записи FORMAT должны располагаться вместе в BIFF файле. Порядок записей FORMAT в существующем BIFF файле не должен изменяться. Можно дописать дополнительные записи FORMAT, но они должны добавляться в конец.

Microsoft Excel использует поле ifmt для идентификации встроенных форматов, когда он читает файл, созданный различными локализованными версиями.

Форматы:

Необходимо заметить, что значения с17h по 24h зарезервированы для локализованных версий

XF (BIFF2 - 43h, BIFF3 - 243h, BIFF4 - 443h, BIFF5-BIFF8 - E0h)

Записи XF хранят описание форматирования для стилей и ячеек. Поле ixfe записи ячейки (BLANK, LABEL, NUMBER, RK, and so on) указывает на соответствующую запись XF, а поле ixfe записи STYLE указывает на соответствующую стилевую запись XF.

Файл BIFF может содержать так много записей XF, сколько необходимо для описания ячеек и стилей. Записи XF находятся в таблице потоком, и индекс записей XF в этой таблице начинается с нуля (0) и указывается в ссылающемся поле ixfe.

Поток книги должен содержать минимальную XF таблицу, состоящую из 15 стилевых XF записей и одной записи XF ячейки (ixfe=0 по ixfe=15). Первая запись XF (ixfe=0) - запись XF для Normal style. Последующие 14 записей (ixfe=1 по ixfe=14) - записи XF, которые соответствуют outline styles RowLevel_1, ColLevel_1, RowLevel_2, ColLevel_2, и т.д. Последняя запись (ixfe=15) - запись XF ячейки по умолчанию для книги.

Кроме этого есть еще 5 дополнительных стилевых записей XF (можно не указывать), которые соответствуют Comma, Comma [0], Currency, Currency [0], и Percent styles.

Стиль границы

STYLE (293h)

Любой стиль в книге, неважно, встроенный он или определенный пользователем, требует отдельной записи STYLE в BIFF файле. Все стили записываются в алфавитном порядке, так, как они появляются в ниспадающем меню.

Автоматические outline styles — RowLevel_1 по RowLevel_7, и ColLevel_1 по ColLevel_7 — хранятся с установкой istyBuiltIn в 01h или 02h и затем устанавливая iLevel по уровню стиля минус 1. Если стиль не автоматический outline style, поле игнорируется.

BOUNDSHEET (85h)

Запись хранит имя листа, тип листа, и позицию в потоке.

grbit:

INDEX (20Bh)

Из-за того, что отсчет колонок и строк начинается всегда с 0, а на экране нумерация идет с 1, ячейка A1 хранится как 0; ячейка A2 - как 1, и т.д.

DIMENSION (200h)

Запись DIMENSIONS содержит минимальное и максимальное значение листа. Она показывает размер листа

Значения rwMac и colMac отличаются на 1 от реальных значений строки и колонки. Например, если ячейки на листе существуютмежду B3 и D6, то:

• rwMic = 2 — говорит, что 3 - первая строка
• colMic = 1 — говорит, что B - первая колонка
• rwMac = 6 — говорит, что 6 - последняя строка
• colMac = 4 — говорит, что D - последняя колонка

ROW (208h)

Запись ROW описывает одну строку на листе Microsoft Excel. Записи ROW и ассоциированные с ними записи ячеек группируются в блоки по 32 строки. Каждый блок заканчивается записью DBCELL.

Поле grbit:

Поле rw содержит отсчитываемый от нуля номер строки. Поля colMic и colMac описывают диапазон колонок в строке.

Поле miyRw содержит высоту строки в 1/20 точки. Поле miyRw может содержать установленный бит 8000h (215), говорящий, что строка стандартной высоты. Младшие 15 бит все еще должна содержать значение высоты. Если спрятать строку, установив высоту строки в 0 (ноль) или используя команду Hide — miyRw все равно содержит оригинальное значение высоты. Это позволяет Microsoft Excel восстановить исходные размеры при нажатии кнопки Unhide.

Каждая строка может иметь атрибуты ячейки по умолчанию, которые контролируют формат всех неопределенных ячеек в строке. Устанавливая атрибуты ячеек по умолчанию для определенной строки, можно эффективно отформатировать неопределенные ячейки в строке без использования памяти для этих ячеек. Эти установки не затрагивают ячеек, которые определены.

Например, если необходимо выровнить влево все ячейки одной строки, то можно определить все 256 ячеек и установить формат для каждой, а можно установить формат по умолчанию для строки и все.

DBCELL

DBCELL хранит поток смещений или попросту говоря ссылки на все ячейки в блоке. DBCELL заканчивает каждый блок записей ROW (до 32 записей).

WINDOW2 (23Eh)

Запись WINDOW2 содержит атрибуты окна листа в книге (workbook).

grbit:

3.4.2. Описание записей ячеек

Для описания ячеек используются записи:

• ARRAY - формула массивом
• BLANK - пустая ячейка
• BOOLERR - булево значение или значение ошибки
• FORMULA - формула
• LABEL - ячейка с текстом
• NUMBER - IEEE число с плавающей запятой
• MULBLANK - несколько пустых ячеек (с версии BIFF5)
• MULRK - несколько RK ячеек (с версии BIFF5)
• RK - целое число или число с плавающей запятой
• RSTRING - ячейка с форматированными символами
• SHRFMLA - формула общего пользования (shared formula) (с версии BIFF5)
• STRING - строка, которая представляет результат формулы
  

Все эти записи можно разделить на несколько групп:

• Числа: NUMBER, MULRK, RK,
• Строки: LABEL, RSTRING
• Формулы: ARRAY, FORMULA, SHRFMLA, STRING
• Пустые: BLANK, MULBLANK,
• Специальные: BOOLERR,

ARRAY (221h)

Запись ARRAY описывает формулу, которая введена как массив в насколько ячеек. Диапазон ячеек, в которые занесен массив определяется значениями полей rwFirst, rwLast, colFirst и colLast.

Запись ARRAY появляется сразу за записью FORMULA для ячейки в верхнем левом углу массива - поэтому ячейка определена значениями полей rwFirst и colFirst.

Выражение - это формула в виде массива во внутреннем формате Excel.

Поле grbit:

BLANK (201h)

Запись BLANK описывает пустую ячейку. Поле rw содержит отсчитываемый с 0 номер строки. Поле col содержит отсчитываемый с 0 номер колонки.

BOOLERR (205h)

Запись BOOLERR описывает ячейку, содержащую булево значение или значение ошибки.

Значение ошибки:

FORMULA (406h)

Запись FORMULA описывает ячейку, содержащую формулу.

Поле grbit:

Если формула вычисляет число, то поле num содержит актуальное вычисленное число в 8-байтовом IEEE формате. Если формула вычисляет строку, булево значение или ошибку, то старшие 2 байта поля num содержат FFFFh.

Булево значение или значение ошибки хранится как показано в таблице:

Если формула вычисляет строку, то поле num:

Строковое значени не содержится в поле num, вместо этого оно записывается в записи STRING, которая следует сразу же за записью FORMULA.

LABEL (204h)

Запись LABEL описывает ячейку, содержащую постоянную строку. Длина строки содержится в поле cch и должно иметь значения 0000h–00FFh (0–255).

NUMBER (203h)

Запись NUMBER описывает ячейку, содержащую число с правающей запятой. Число, содержащееся с поле num должно быть в 8-байтовом IEEE формате числа с плавающей запятой.

MULBLANK (BEh)

Запись MULBLANK эквивалентна 256 записям BLANK; MULBLANK служит для оптимизаци файла. Число полей ixfe может быть определено из поля ColLast (colLast - colFirst + 1). Максимальная длина записи MULBLANK = 256 x 2 + 10 = 522 байт, поскольку Microsoft Excel имеет почти 256 колонок. Заметьте, что 256 пустых ячеек записанных через MULBLANK занимают 522 байта, а 256 ячеек, записанных через BLANK занимают 2560 байт.

MULRK (BDh)

Запись MULRK эквивалентна до 256 записей RK; MULRK служит для оптимизаци файла. Число 6-байтовых RKREC структур может быть вычислен из поля ColLast и равен colLast - colFirst + 1. Максимальная длина записи MULRK = 256 x 6 + 10 = 1546 байт, поскольку Microsoft Excel имеет почти 256 колонок. 256 RK чисел в записи MULRK занимают 1546 байт, а 256 RK чисел в записи RK занимают 3584 байта.

RKREC структура:

typedef struct rkrec
        {
        SHORT ixfe;        /* index to XF record */
        long RK;        /* RK number */
        }RKREC;

RK (7Eh)

Для оптимизации и уменьшения размера файла Microsoft Excel использует внутренний числовой тип, называемый число RK.

Число RK - это 30-битное целое или старшие 30 бит IEEE числа. Два бита 32-битного rk поля всегда зарезервированы для RK кодирования; поэтому число RK только 30 бит, а не полные 32.

Есть 4 типа различных чисел RK:

Microsoft Excel всегда пытается сохранить числа как RK вместо IEEE. Также установлен приоритет кодирования чисел RK. Следующая диаграмма показывает примерный алгоритм кодирования числа. Алгоритм всегда начинается с числа IEEE (полного 64-битного).

Можно использовать следующий код C (источник: MSDN Library) для демонстрации как раскодировать число RK:

Microsoft QuickC;

double NumFromRk(long rk)
    {
    double num;
    if(rk & 0x02)
        {
        // int
        num = (double) (rk >> 2);
        }
    else
        {
        // hi words of IEEE num
        *((long *)&num+1) = rk & 0xfffffffc;
        *((long *)&num) = 0;
        }
    if(rk & 0x01)
        // divide by 100
        num /= 100;
    return num;
    }
main()
    {
    printf("%f\n", NumFromRk (0x02f1853b));
    }

THINK C

short double NumFromRk(long int rk)
    {
    short double num;
    if(rk & 0x02)
        {
        /* int */
        num = (short double) (rk >> 2);
        }
    else
        {
        /* hi words of IEEE num */
        *((long int *)&num + 1) = 0;
        *((long int *)&num) = rk & 0xfffffffc;
        }
    if(rk & 0x01)
        /* divide by 100 */
        num /= 100;
    return num;
    }
main()
    {
    printf("%f\n", NumFromRk (0x02f1853b));
    }

Если Вы записываете запись NUMBER в BIFF файл, то Microsoft Excel может сконвертировать ее в запись RK после чтения файла.

RSTRING (D6h)

Когда часть строки в ячейке имеет форматирование символов, запись RSTRING используется вместо записи LABEL.

STRUN содержит информацию о форматировании строки. STRUN появляется каждый раз, когда форматирование текста меняется.

Структура STRUN:

SHRFMLA (BCh)

Запись SHRFMLA введена для оптимизации размера файла. Она используется вместе с записью FORMULA для уменьшения необходимого пространства для хранения выражения (rgce). В ранних версиях Microsoft Excel, если Вы читали запись FORMULA в которой поле rgce содержало лексему ptgExp, запись FORMULA содержало массив. В Microsoft Excel версии 5.0, это показывает, что содержится массив или общедоступная формула.

Если запись, следующая за FORMULA - это запись ARRAY, то запись FORMULA содержит массив. Если за FORMULA следует SHRFMLA, то FORMULA содержит общедоступную формулу. Можно также посмотреть бит fShrFmla в записи FORMULA (поле grbit) для определения общедоступной формулы.

Когда читается файл, необходимо перевести записи FORMULA и SHRFMLA в эквивалентную запись FORMULA, если Вы планируете использовать выражение. Для этого необходимо взять все записи FORMULA до (но не включая) поле cce, и затем присоединить их к записи SHRFMLA начиная от поля cce и до конца. Затем необходимо сконвертировать некоторые ptgs.

Запись SHRFMLA будет одной или более записей FORMULA, содержащих лексему ptgExp имеющую одни и те же значения полей rwFirst и colFirst как в ptgExp в первой записи FORMULA. Есть только одна запись SHRFMLA для каждой группы общедоступных формул..

Для преобразования значения ptgs, необходимо найти поле rgce из записи SHRFMLA для лексем ptgRefN, ptgRefNV, ptgRefNA, ptgAreaN, ptgAreaNV, или ptgAreaNA. Добавить соответствующие поля rw и col из FORMULA в поля rwFirst и colFirst в ptgs из SHRFMLA. И, наконец, преобразовать ptgs как показано в таблице.

Необходимо помнить, что запись STRING появляется сразу за FORMULA если результат формулы - строка.

Если Вы записываете BIFF файл, всегда записывайте стандартную запись FORMULA; не пытайтесь использовать оптимизацию SHRFMLA.

STRING (207h)

Когда результат формулы - строка, сразу за записью FORMULA появляется запись STRING. Если формула - часть массива, то STRING появляется после записи ARRAY.

3.4.3. Как найти ячейки в BIFF файле

Для оптимизации доступа к ячейке (RK, FORMULA, и т.п.), Microsoft Excel использует специальные записи INDEX и DBCELL. Можно использовать эти записи, что бы получить самый быстрый доступ к ячейке, а можно просто прочитать весь BIFF поток подряд для нахождения требуемой ячейки. В зависимости от размера и структуры файла неоптимизированный поиск может оказаться очень долгим.

Если Вы записываете BIFF файл, очень рекомендуется записывать INDEX и DBCELL с соответствующими значениями, иначе Microsoft Excel небудет использовать оптимизацию чтения и процесс будет долгим.

Microsoft Excel хранит ячейки блоками, содержащими до 32 строк. Каждая строка, содержащая ячейки, имеет соответствующую запись ROW, и каждый блок имеет запись DBCELL в конце блока.

Запись INDEX содержит смещения (массив rgibRw), отсчитанные от начала BIFF потока, по которым расположены записи DBCELL.

После того, как запись DBCELL найдена, необходимо, используя значения поля dbRtrw найти смещение первой записи ROW в блоке. Это значение - положительное целое, но показывает оно отрицательное смещение, т.е. отсчитываемое назад от адреса записи DBCELL.

После этого можно вычислить начало каждой записи ячейки в блоке, используя массив rgdb в записи DBCELL. В первом элементе массива указано смещение на первую запись ячейки от адреса второй записи ROW. Это сделано из-за того, что необходимо прочитать первую запись ROW для определения номера строки и принятия соответствующего решения.

3.5. Изменения в новых версиях

3.5.1. Новые записи в BIFF7 по сравнению с BIFF5

3.5.2. Измененные записи в BIFF7 по сравнению с BIFF5

В BIFF7 также содержится несколько новых потоков. Потоки User Names и Revision Log поддерживают новые shared list возможности в Microsoft Excel 7.0. Бинарный формат этих потоков не документирован.

DocumentSummaryInformation (новый для BIFF7) и SummaryInformation поддерживают свойства, доступные в Microsoft Excel 7.0, которые стандартизированы для семейства Office 95 приложений.

В Microsoft Excel 7.0 и всех последующих версиях появилась новая возможность - быстрая запись. Это относится больше к OLE2 формату, поскольку запись происходит не секцию Workbook, а в некую последнюю секцию, называемую мусором ("garbage" или "trash"). Естественно при этом файл увеличивается почти в два раза. Поэтому я бы не советовал пользоваться быстрой записью. По скорости она не сильно быстрее обычной. При считывании последовательно всего файла учитывается только последняя часть.

3.5.3. Новые записи в BIFF8

• 1B1h - CF
• 1BAh - CODENAME
• 1B0h - CONDFMT
• 1B5h - DCONBIN
• 161h - DSF
• 1BEh - DV
• 1B2h - DVAL
• 0FFh - EXTSST
• 1B8h - HLINK
• 0FDh - LABELSST
• 0ECh - MSODRAWING
• 0EBh - MSODRAWINGGROUP
• 0EDh - MSODRAWINGSELECTION
• 0DCh - PARAMQRY
• 1Afh - PROT4REV
• 1BCh - PROT4REVPASS
• 1ADh - QSI
• 1B7h - REFRESHALL
• 0FCh - SST
• 1AEh - SUPBOOK
• 0C6h - SXDB
• 122h - SXDBEX
• 0F1h - SXEX
• 1BBh - SXFDBTYPE
• 0F2h - SXFILT
• 0F9h - SXFMLA
• 0FBh - SXFORMAT
• 103h - SXFORMULA
• 0F6h - SXNAME
• 0F8h - SXPAIR
• 0F0h - SXRULE
• 0F7h - SXSELECT
• 100h - SXVDEX
• 1B6h - TXO
• 1A9h - USERBVIEW
• 1AAh - USERSVIEWBEGIN
• 1ABh - USERSVIEWEND
• 160h - USESELFS
• 162h - XL5MODIFY

3.5.4. Измененные записи в BIFF8

• 009h - BOF
• 085h - BOUNDSHEET
• 200h - DIMENSIONS
• 00Bh - INDEX
• 01Ch - NOTE
• 05Dh - OBJ
• 0DCh - SXEXT
• 01Ah - VERTICALPAGEBREAKS
• 23Eh - WINDOW2
• 05Ch - WRITEACCESS
• 059h - XCT
• 0E0h - XF

4. Литература

1. Schwartz Martin. LAOLA file system "Structure Storage". The binary structure of OLE/Compound Documents. 1996/1997.
2. Rentz Daniel. Microsoft Excel File Format. 29.06.2001. http://sc.openoffice.org
3. DIG2000 file format proposal. Project JPEG2000.
4. Kindel Charlie. OLE Property Sets Exposed. 6.10.1995. MSDN Library
5. Brockschmidt Kraig. Inside OLE 2nd Edition. Microsoft Press. 1995. MSDN Library
6. Microsoft Excel File Format. Microsoft Office Technical Documentation Group. 1995. MSDN Library