Files
java-word-pdf/docs/standards/binary/README.md
T
Pjandro eabc2b0e0d
PR checks / web (pull_request) Successful in 38s
PR checks / java (pull_request) Successful in 1m31s
Main: tests, deploy, autotests / web (push) Successful in 33s
Main: tests, deploy, autotests / java (push) Successful in 1m7s
Main: tests, deploy, autotests / images-web (push) Successful in 32s
Main: tests, deploy, autotests / images-app (push) Successful in 43s
Main: tests, deploy, autotests / deploy (push) Failing after 2m55s
Main: tests, deploy, autotests / autotests (push) Has been skipped
Main: tests, deploy, autotests / rollback (push) Failing after 3m4s
docs(standards): restructure into ooxml/binary, add MS-XLS/MS-XLSX for .xls/.xlsx
2026-11-02 22:21:23 +00:00

62 lines
9.3 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# Нормативная документация общего OLE2-окружения (.doc/.xls/.ppt)
Справочный комплект вокруг бинарных форматов Office 97–2003: контейнер и его служебные потоки (CFB, property sets, OfficeArt-рисунки, шифрование, VBA, метафайлы) общие для Word, Excel и PowerPoint — правки по документам ниже, а не по догадкам. Специфика форматов: Word — `../doc/README.md` ([MS-DOC]), Excel — `../xls/README.md` ([MS-XLS]). Документация OOXML — `../ooxml/README.md`.
SHA-256 `.md`-файлов — справочные: они производные от инструментов извлечения (poppler/pandoc), при регенерации другим инструментом могут измениться; первичен docx в таблице «Источники».
Метка `[TABLE]` в `.md` — таблицы битовых макетов (packet diagram) со span-ячейками: конверсионная команда `-t gfm-raw_html` отключает HTML-fallback pandoc, и такие таблицы не выразимы в GFM; все поля описаны текстом сразу за плейсхолдером.
### Источники
|Файл|Документ|Редакция/дата|URL|SHA-256|
|---|---|---|---|---|
|`ms-cfb.md`|[MS-CFB] «Compound File Binary File Format» — OLE2-контейнер .doc/.xls (заголовок, FAT/MiniFAT, directory entries, потоки)|13.0 (261026, октябрь 2026)|https://winprotocoldocs-bhdugrdyduf5h2e4.b02.azurefd.net/MS-CFB/%5bMS-CFB%5d-261026.docx|`84d0f9f282aa00dac631a575514264b6bc1f3cec1b9c8fed095e12f7cc042913`|
|`ms-oshared.md`|[MS-OSHARED] «Office Common Data Types and Objects Structures» — общие типы MS-DOC/MS-PPT/MS-XLS (MSONFC/FilePointer/FixedPoint, тулбары TBC, property sets, RefEdit, VBA-подпись)|11.1 (251113, ноябрь 2025)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-OSHARED/%5bMS-OSHARED%5d-251113.docx|`ccac510af0266a0804f6a242b08bc4df2f6d1f5b27935c113609b4faf198cb57`|
|`ms-odraw.md`|[MS-ODRAW] «Office Drawing Binary File Format» — бинарные рисунки OfficeArt (картинки/фигуры внутри .doc/.xls)|12.4 (250819, август 2025)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-ODRAW/%5bMS-ODRAW%5d-250819.docx|`f7b9b19222ca8b22ab773846a0c7ff4fa1898e391fff1b3ce41ca3b528f36cf6`|
|`ms-oleps.md`|[MS-OLEPS] «Object Linking and Embedding (OLE) Property Set Data Structures» — метаданные-потоки `\x05SummaryInformation`/`\x05DocumentSummaryInformation`|9.0 (240423, апрель 2024)|https://winprotocoldocs-bhdugrdyduf5h2e4.b02.azurefd.net/MS-OLEPS/%5bMS-OLEPS%5d-240423.docx|`ff255baa60ef6002a62f632ffc71e7c0cb0d7a72273d844e85efb97557c0e107`|
|`ms-offcrypto.md`|[MS-OFFCRYPTO] «Office Document Cryptography Structure» — шифрование документов (CryptoAPI-обёртка .doc/.xls, agile .docx/.xlsx)|14.0 (260217, февраль 2026)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-OFFCRYPTO/%5bMS-OFFCRYPTO%5d-260217.docx|`70836fa126b785efcc4e223480bd938e57c45799129d47ef6c8c3524a5a1dfdf`|
|`ms-ovba.md`|[MS-OVBA] «Office VBA File Format Structure» — VBA-проект (макросы) в CFB-потоках|15.0 (260519, май 2026)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-OVBA/%5bMS-OVBA%5d-260519.docx|`a9c32389ff0f03341f73a141f14269f7aae71c35af8c375e37be0cb013e706af`|
|`ms-wmf.md`|[MS-WMF] «Windows Metafile Format» — записи метафайла (встраиваемые картинки .doc/.xls)|18.0 (240423, апрель 2024)|https://winprotocoldocs-bhdugrdyduf5h2e4.b02.azurefd.net/MS-WMF/%5bMS-WMF%5d-240423.docx|`f7fc5dfb2ffa671c81badea2a983b62c215bb10aad4fc1d04d6d9ff3df00a262`|
|`ms-emf.md`|[MS-EMF] «Enhanced Metafile Format» — записи расширенного метафайла|18.0 (240423, апрель 2024)|https://winprotocoldocs-bhdugrdyduf5h2e4.b02.azurefd.net/MS-EMF/%5bMS-EMF%5d-240423.docx|`dcb97229d0201556c3f21b07f32388363a80348f0ce87fbe308e4b3048a29c3f`|
### Что где искать
- **Контейнер .doc/.xls (OLE2/CFB)** — `ms-cfb.md`: §2.2 Compound File Header (сигнатура `D0 CF 11 E0 A1 B1 1A E1` — предикат бинарного входа в `WordPdfValidator`), §2.3–2.5 FAT/Mini FAT/DIFAT-секторы, §2.6 Directory Sectors — где лежат потоки `WordDocument`/`1Table` (MS-DOC §2.1) и `Workbook` (MS-XLS §2.1.7.20). Тот же контейнер образуют шифрованные OOXML-файлы (`EncryptedPackage`-поток, MS-OFFCRYPTO §2.3.4.4).
- **Общие типы Office** — `ms-oshared.md`: §2.2 Data Types (MSONFC §2.2.1.3, FilePointer, FixedPoint), §2.3 Common Objects (Toolbar Customization §2.3.1, VBA Digital Signature §2.3.2 — `WordSignBlob`, Property Set Storage §2.3.3, RefEdit Control §2.3.5) — за этим, а не за форматом конкретного файла, MS-DOC и MS-XLS цитируют MS-OSHARED.
- **Рисунки OfficeArt (и .doc, и .xls)** — `ms-odraw.md`: §2.2 записи OfficeArt: корень файла `OfficeArtDggContainer` §2.2.12, `OfficeArtSpContainer` §2.2.14, BLIP-картинки §2.2.23–2.2.30; MS-DOC отсылает сюда за содержимым `Data`-потока рисунков, MS-XLS — за картинками/объектами листов.
- **Метаданные .doc/.xls** — `ms-oleps.md`: §2.20 PropertySet, §2.21 PropertySetStream, §2.23 имена потоков/хранилищ, §2.25 Well-Known Property Set Formats — аналог `docProps/core|app.xml` для OOXML (заголовок, автор, счётчики страниц — кэш PageCount в мосте .doc).
- **Шифрование** — `ms-offcrypto.md`: §2.3.5 Office Binary Document RC4 CryptoAPI (обёртка .doc/.xls), §2.3.4 ECMA-376 Document Encryption (Standard/Extensible = agile, `EncryptedPackage` §2.3.4.4); шифрованный вход нечитаем — распознавание по CFB-потокам `EncryptedStream` (в .doc) и `encryption` (в .xls — MS-XLS §2.1.7.6).
- **Макросы (VBA)** — `ms-ovba.md`: §2.2 File Structure (корневое хранилище `_VBA_PROJECT_CUR` §2.2.1, `_VBA_PROJECT`-поток §2.2.3, `dir`-поток §2.2.4, модули §2.2.5), §2.4.1 сжатие, §2.4.3 Data Encryption (обфускация модулей) — что пропускать при разборе .doc/.xls (в .xls хранилище — MS-XLS §2.1.7.18).
- **Метафайлы-картинки** — `ms-wmf.md` / `ms-emf.md`: §2.3 записи (WMF/EMF — один и тот же набор типов записей, EMF расширенный); частый формат inline-изображений в бинарных документах (BLIP-типы `OfficeArtBlipWMF`/`OfficeArtBlipEMF` §2.2.24–2.2.25 MS-ODRAW).
### Регенерация
```bash
# Окружение — dated-.docx с лендингов (при 404 — самый свежий из таблицы
# «Published Version»). Два CDN: у windows_protocols-документов (CFB, OLEPS,
# WMF, EMF) путь БЕЗ сегмента /files/.
O="https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files"
W="https://winprotocoldocs-bhdugrdyduf5h2e4.b02.azurefd.net"
curl -sSL -o /tmp/ms-cfb.docx "$W/MS-CFB/%5bMS-CFB%5d-261026.docx"
curl -sSL -o /tmp/ms-oshared.docx "$O/MS-OSHARED/%5bMS-OSHARED%5d-251113.docx"
curl -sSL -o /tmp/ms-odraw.docx "$O/MS-ODRAW/%5bMS-ODRAW%5d-250819.docx"
curl -sSL -o /tmp/ms-oleps.docx "$W/MS-OLEPS/%5bMS-OLEPS%5d-240423.docx"
curl -sSL -o /tmp/ms-offcrypto.docx "$O/MS-OFFCRYPTO/%5bMS-OFFCRYPTO%5d-260217.docx"
curl -sSL -o /tmp/ms-ovba.docx "$O/MS-OVBA/%5bMS-OVBA%5d-260519.docx"
curl -sSL -o /tmp/ms-wmf.docx "$W/MS-WMF/%5bMS-WMF%5d-240423.docx"
curl -sSL -o /tmp/ms-emf.docx "$W/MS-EMF/%5bMS-EMF%5d-240423.docx"
for n in ms-cfb ms-oshared ms-odraw ms-oleps ms-offcrypto ms-ovba ms-wmf ms-emf; do
pandoc "/tmp/$n.docx" -t gfm-raw_html --wrap=none -o "docs/standards/binary/$n.md"
done
# Лендинги (свежий dated .docx — в таблице «Published Version»):
# MS-CFB https://learn.microsoft.com/en-us/openspecs/windows_protocols/ms-cfb/53989ce4-7b05-4f8d-829b-d08d6148375b
# MS-OSHARED https://learn.microsoft.com/en-us/openspecs/office_file_formats/ms-oshared/d93502fa-5b8f-4f47-a3fe-5574046f4b8d
# MS-ODRAW https://learn.microsoft.com/en-us/openspecs/office_file_formats/ms-odraw/8560795e-7759-4745-838f-f7f2ef2f1872
# MS-OLEPS https://learn.microsoft.com/en-us/openspecs/windows_protocols/ms-oleps/bf7aeae8-c47a-4939-9f45-700158dac3bc
# MS-OFFCRYPTO https://learn.microsoft.com/en-us/openspecs/office_file_formats/ms-offcrypto/3c34d72a-1a61-4b52-a893-196f9157f083
# MS-OVBA https://learn.microsoft.com/en-us/openspecs/office_file_formats/ms-ovba/575462ba-bf67-4190-9fac-c275523c75fc
# MS-WMF https://learn.microsoft.com/en-us/openspecs/windows_protocols/ms-wmf/4813e7fd-52d0-4f42-965f-228c8b7488d2
# MS-EMF https://learn.microsoft.com/en-us/openspecs/windows_protocols/ms-emf/91c257d7-c39d-4a36-9b1f-63e3f73d30ca
```