rtf文件结构分析及其应用.doc

rtf文件结构分析及其应用 　 　　rtf是一种非常流行的文件结构，很多文字编辑器都支持它，vb等开发工具甚至还提供了richtxtbox的控件。编写通用工具的程序员应该考虑在自己的软件中加入读写rtf文件的功能，这样就需要对rtf的结构有充分的了解。而现在最重要的信息发布手段莫过于www了，在编辑软件中提供rtf到html的转换也是程序员应该考虑的事情。尽管word中已经有这个功能，但不能因此就对您的顾客说：“先用我的程序存成rtf，然后再用word......”。 　　下面将对rtf文件结构分析及其应用进行讨论。 　　一、rtf文件结构分析 　　rtf的结构并不复杂，但内容繁多，本文不可能一一说明，只能从总体上讨论一下（如果想阅读详尽的rtf文档，则可在internet上寻找或与笔者联系。）每个rtf文件都是一个文本文件，显示时由rtf阅读器格式化。文件开始处是{\rtf，它作为rtf文件的标志是必不可少的，rtf阅读器根据它来判断一个文件是否为rtf格式。然后是文件头和正文，文件头包括字体表、文件表、颜色表等几个数据结构，正文中的字体、表格的风格就是根据文件头的信息来格式化的。每个表用一对大括号括起来，当中包含了很多用字符“\”开始的命令。例如，某个颜色表如下： 　　{\colortbl;\red0\green0\blue0;\red0\green0\blue255;\red0\green255\blue255;\red0\green255\blue0;\red255\green0\blue255;\red255\green0\blue0;\red255\green255\blue0;\red255\green255\blue255;\red0\green0\blue128;\red0\green128\blue128;\red0\green128\blue0;\red128\green0\blue128;\red128\green0\blue0;\red128\green128\blue0;\red128\green128\blue128;\red192\green192\blue192;} 　　开始时用\colortbl标明大括号内是颜色表，接着是\red0\green0\blue0，登记了一种颜色，这种颜色的红绿蓝分量都为0。其它表依此类推。文件头之后是正文，正文由版面格式化命令、文字和各种特殊命令组成。其中只有特殊命令用大括号括起来，而版面格式化命令和文字是“开放式”的，从而把文字和命令分离。文件结束时有一个“}”，和第一个“{”对应。在整个文件中，“}”和“{”必须一一对应。这种格式是rtf阅读器和转换器算法的基础。 　　rtf格式还有一个特别之处，就是有些字符在命令中有特殊的含义，所以当它们作为文本出现时需要在它们的前面加一个“\”，例如“\”本身就要表示为“\\”。事实上，这种形式在大多数编程语言中是很常见的。 　　二、算法分析 　　本节介绍的算法虽然是针对rtf的读写，但也是一般文件过滤器通用的方法，适用于各种格式文件之间的转换。具体来说就是把各种文件都转换成一种中间格式，再根据要求进行显示或转换。其中有个原则是一定要遵守的：程序必须能过滤掉不认识的格式。各种文件都有其特殊的格式，在转换过程中不可避免会出现格式损失的现象，在算法中要考虑这种情况。对于rtf这类格式化文本文件来说，最重要的是要正确地显示或转换文件的大小、颜色、字体等风格。因此，在程序中应该用一个数据结构把这些信息存起来，这个结构就是所谓的中间格式，怎样规定悉听尊便。以下是其流程图： 　　三、难点分析 　　在开发过程中我们遇到了不少问题，其中有两个问题特别有意思。 　　第一个问题是中文的表示方式。在rtf中中文用命令的形式表示：“\内码”。内码就是汉字机内码。不过，请注意：rtf是文本文件，内码是用ascii码来储存的，必须把它转换成数字才能使用。例如，“电子与电脑”在rtf中的形式是： 　　\b5\e7\d7\d3\d3\eb\b5\e7\c4\d4 　　第二个是图片的问题，这也是本文的重点。rtf中图片以两种方式存在：第一种方式是直接嵌入，以{\pict开始；第二种方式是作为ole对象嵌入，这时以{\object开始。当rtf处理器能直接使用ole时，rtf文件中提供了ole的数据；否则，文件中直接提供图片的数据，以{\result开始。在使用中最常见的图片格式是内含dib bitmap的元文件（metafile），这种格式在sdk中没有说明，而且在rtf中是以压缩形式储存的，所以在转换时有一定困难。我们采取了一种比较新的方法：先把meta file的数据读出来存成一个文件，然后用getmetafile和playmetafile函数把文