第一章 仓库与流
复合文档的原理就像一个文件系统（文件系统：如FAT与NTFS）。复合文档将数据分成许多流（Streams），这些流又存储在不同的仓库（Storages）里。将复合文档想象成你的D盘，D盘用的是NTFS（NT File System）格式，流就相当于D盘里的文件，仓库就相当于D盘里的文件夹。
流和仓库的命名规则与文件系统相似，同一个仓库下的流及仓库不能重名，不同仓库下可以有同名的流。每个复合文档都有一个根仓库（root storage）。
第二章 扇区与扇区链
2．1 扇区与扇区标识
所有的流又分成更小的数据块，叫做数据扇区（sectors）。Sectors 可能包含控制数据或用户数据。
整个文件由一个头（Header）结构以及其后的所有Sectors组成。Sectors的大小在头中确定，且每个Sectors的大小都相同。
以下为示意图：
HEADER
SECTOR 0
SECTOR 1
SECTOR 2
SECTOR 3
SECTOR 4
SECTOR 5
SECTOR 6
Sectors 简单的以其在文件中的顺序列举，一个扇区的索引（从0开始）叫做扇区标识（SID：sector identifier）。SID是一个有符号的32位的整型值。
如果一个SID的值非负，就表示真正存在的那个Sector；如果为负，就表示特殊的含义。下表给出有效的特殊SID：
SID Name Meaning
–1 Free SID 空闲sector，可存在于文件中，但不是任何流的组成部分。
–2 End Of Chain SID SID链的结束标记 (见2.2节)
–3 SAT SID 此Sector用于存放扇区配置表（SAT）(见4.2节)
–4 MSAT SID 此Sector用于存放主扇区配置表（MSAT）(见4.1节)
2．2 扇区链与扇区标识链
用于存储流数据的所有Sectors的列表叫做扇区链（Sector Chain）。这些Sectors可以是无序的。因此用于指定一个流的Sectors的顺序的SID数组就称为SID chain。一个SID chain总是以End Of Chain SID（－2）为结束标记。
例：一个流由4个Sector组成，其SID链为[1, 6, 3, 5, –2]。
流的SID链是通过扇区配置表构建的（见4.2节），但短流和以下两种内部流除外：
1．主扇区配置表，其从自身构建SID链（每个扇区包含下一个扇区的SID）。
2．扇区配置表，其通过主扇区配置表构建SID链。
第三章 复合文档头
3.1 复合文档头的内容
复合文档头在文件的开始，且其大小必定为512字节。这意味着第一个Sector的开始相对文件的偏移量为512字节。
复合文档头的结构如下：
Offset Size Contents
0 8 复合文档文件标识：D0H CFH 11H E0H A1H B1H 1AH E1H
8 16 此文件的唯一标识(不重要, 可全部为0)
24 2 文件格式修订号 (一般为003EH)
26 2 文件格式版本号(一般为0003H)
28 2 字节顺序规则标识(见3.2):：FEH FFH = Little-Endian
FFH FEH = Big-Endian
30 2 复合文档中sector的大小(ssz)，以2的幂形式存储, sector实际大小为s_size
= 2ssz 字节(一般为9即512字节, 最小值为7即128字节)
32 2 short-sector的大小(见5.1)，以2的幂形式存储, short-sector实际大
小为s_s_size = 2sssz 字节(一般为6即64字节，最大为sector的大小)
34 10 Not used
44 4 用于存放扇区配置表（SAT）的sector总数
48 4 用于存放目录流的第一个sector的SID (见6)
52 4 Not used
56 4 标准流的最小大小(一般为4096 bytes), 小于此值的流即为短流。
60 4 用于存放短扇区配置表（SSAT）的第一个sector的SID (见5.2),
或为–2 (End Of Chain SID)如不存在。
64 4 用于存放短扇区配置表（SSAT）的sector总数
68 4 用于存放主扇区配置表（MSAT）的第一个sector的SID (见4.1),
或为–2 (End Of Chain SID) 若无附加的sectors。
72 4 用于存放主扇区配置表（MSAT）的sector总数
76 436 存放主扇区配置表（MSAT）的第一部分，包含109个SID。
3.2 字节顺序（Byte Order）
文件数据的二进制存储有两种方法Little-Endian 和 Big-Endian，但实际应用中只使用Little-Endian方法即：低位8字节存放在地址的低位，高位8字节存放在地址的高位。
例：一个32位的整数13579BDFH（转为十进制即324508639），以Little-Endian存放为DFH 9BH 57H13H，以Big-Endian 存放为 13H 57H 9BH DFH。（H下标表示十六进制）
3.3 扇区偏移量
从头中的信息可以计算出一个sector的偏移量（offset），公式为：
sec_pos(SID) = 512 + SID ∙ s_size = 512 + SID ∙ 2 ssz
例：ssz = 10 and SID = 5:
sec_pos(SID) = 512 + SID ∙ 2 ssz = 512 + 5 ∙ 210 = 512 + 5 ∙ 1024 = 5632.
第四章 扇区配置
4.1 主扇区配置表
主扇区配置表（MSAT：master sector allocation table）是一个SID数组，指明了所有用于存放扇区配置表（SAT：sector allocation table）的sector的SID。MSAT的大小（SID个数）就等于存放SAT的sector数，在头中指明。
MSAT的前109个SID也存放于头中，如果一个MSAT的SID数多余109个，那么多出来的SID将存放于sector中，头中已经指明了用于存放MSAT的第一个sector的SID。在用于存放MSAT的sector中的最后一个SID指向下一个用于存放MSAT的sector，如果没有下一个则为End Of Chain SID（-2）。
存放MSAT的sector的内容：（s_size表示sector的大小）
Offset Size Contents
0 s_size－4 MSAT的(s_size－4) / 4个SID的数组
s_size－4 4 下一个用于存放MSAT的sector的SID，或－2（已为最后一个）
最后一个存放MSAT的sector可能未被完全填满，空闲的地方将被填上Free SID(-1)。
例：一个复合文档需要300个sector用于存放SAT，头中指定sector的大小为512字节，这说明一个sector可存放128个SID。MAST有300个SID，前109个放于头中，其余的191个将要占用2个sector来存放。此例假定第一个存放MSAT的sector为sector 1，则sector 1包含127个SID。第128个SID指向一个用于存放MSAT的sector，假定为sector 6，则sector 6包含剩下的64个SID（最后一个SID为－2，其他的值为－1）。
4.2 扇区配置表
扇区配置表（SAT：sector allocation table）是一个SID数组，包含所有用户流（短流除外）和内部控制流（the short-stream container stream, 见5.1, the short-sector allocation table, 见5.2, and the directory, 见7)的SID链。SAT的大小（SID个数）就等于复合文档中所存在的sector的个数。
SAT的建立就是通过按顺序读取MSAT中指定的sector中的内容。
存放SAT的sector的内容：（s_size表示sector的大小）
Offset Size Contents
0 s_size SAT的s_size / 4个SID的数组
当通过SAT为一个流创建SID链时，SAT数组的当前位置（array index)表示的就是当前的sector，而该位置存放的SID则指向下一个sector。
SAT可能在任意位置包含Free SID（－1），这些sector将不被流使用。如果该位置包含End Of Chain SID（－2）表示一个流的结束。如果sector用于存放SAT则为SAT SID（－3），同样用于存放MSAT则为MSAT SID（－4）。
一个SID链的起点从用户流的目录入口（directory entry，见6.2节）或头（内部控制流）或目录流本身获得。
例：一个复合文档包含一个用于存放SAT的sector（sector 1）和2个流。
Sector 1的内容如下图：
在位置1其值为－3，表明Sector 1是SAT的一部分。
其中一个流为内部目录流，假定头中指定其开始为Sector 0，SAT中位置0的值为2，位置2的值为3，位置3 的值为－2。因此目录流的SID链为[0, 2, 3, –2]，即此目录流存放于3个sector中。
目录中包含一个用户流的入口假定为sector 10，从图中可看出此流的SID链为[10, 6, 7, 8, 9, –2]。
第五章 短流
5.1 短流存放流
当一个流的大小小于指定的值（在头中指定），就称为短流(short-stream)。
短流并不是直接使用sector存放数据，而是内含在一种特殊的内部控制流——短流存放流（short-stream container stream）中。
短流存放流象其他的用户流一样：先从目录中的根仓库入口（root storage entry）获得第一个使用的sector，其SID链从SAT中获得。然后此流将其所占用的sectors分成short-sector，以便用来存放短流。此处也许较难理解，我们来打个比方：既然流组成符合文档，而短流组成短流存放流，这两者是相似的。把短流存放流当作复合文档，那么短流对应流，short-sector对应sector，唯一的不同是复合文档有一个头结构，而短流存放流没有。short-sector的大小在头中已经指定，因此可根据SID计算short-sector相对于短流存放流的偏移量（offset）。公式为：
short_s_pos(SID) = SID ∙ short_s_size = SID ∙ 2 sssz
例：sssz = 6 and SID = 5:
short_s_pos(SID) = SID ∙ 2 sssz = 5 ∙ 26 = 5 ∙ 64 = 320.
5.2 短扇区配置表
短扇区配置表（SSAT：short-sector allocation table）是一个SID数组，包含所有短流的SID链。与SAT很相似。
用于存放SSAT的第一个sector的SID在头中指定，其余的SID链从SAT中获得。
存放SSAT的sector的内容：（s_size表示sector的大小）
Offset Size Contents
0 s_size SSAT的s_size / 4个SID的数组
SSAT的用法与SAT类似，不同的是其SID链引用的是short-sector。
第六章 目录
6.1 目录结构
目录（directory）是一种内部控制流，由一系列目录入口（directory entry）组成。每一个目录入口都指向复合文档的一个仓库或流。目录入口以其在目录流中出现的顺序被列举，一个以0开始的目录入口索引称为目录入口标识(DID: directory entry identifier)。
如下图所示：
DIRECTORY ENTRY 0
DIRECTORY ENTRY 1
DIRECTORY ENTRY 2
DIRECTORY ENTRY 3
⋮
目录入口的位置不因其指向的仓库或流的存在与否而改变。如果一个仓库或流被删除了，其相应的目录入口就标记为空。在目录的开始有一个特殊的目录入口，叫做根仓库入口（root storage entry），其指向根仓库。
目录将每个仓库的直接成员（仓库或流）放在一个独立的红黑树（red-black tree）中。红黑树是一种树状的数据结构，本文仅简单介绍一下，详细情况请参考有关资料。
建构一个Red-Black tree的规则：
1. 每个节点（node）的颜色属性不是红就是黑。
2. 根节点一定是黑的。
3. 如果某个节点是红的，那它的子节点一定是黑的。
4. 从根节点到每个叶节点的路径（path）必须有相同数目的黑节点。
ex: B (用图形来解说第４点，从根节点
/ / 到最底层的node，你会发现每个
B B path都恰好有３个black node)
/ / / /
B B R B
/ / / / /
R B B R R
/ /
R R
注意并不总是执行上述规则。安全的方法是忽略节点的颜色。
例：以第一章中的图为例
1.根仓库入口描述根仓库，它不是任何仓库入口的成员，因此无需构建红黑树。
2.根仓库的所有直接成员(“Storage1”, “Storage2”, “Stream1”, “Stream2”, “Stream3”, 和 “Stream4”)将组成一棵红黑树，其根节点的DID存放于根仓库入口中。
3.仓库Storage1只有一个成员Stream1，Stream1构成一棵红黑树，此树只有一个节点。Storage1的目录入口包含Stream1的DID。
4. 仓库Storage2包含3个成员“Stream21”, “Stream22”, 和“Stream23”。这3个成员将构建一棵红黑树，其根节点的DID存放于Storage2的目录入口中。
这种存放规则将导致每个目录入口都包含3个DID：
1.在包含此目录入口的红黑树中，此目录入口的左节点的DID。
2.在包含此目录入口的红黑树中，此目录入口的右节点的DID。
3.若此目录入口表示一个仓库，则还包含此仓库的直接成员所组成的另一颗红黑树的根节点的DID。
在构建红黑树的过程中，一个节点究竟作为左还是右，是通过比较其名字来判断的。一个节点比另一个小是指其名字的长度更短，如长度一样，则逐字符比较。
规定：左节点<根节点<右节点。
6.2 目录入口
一个目录入口的大小严格地为128字节，计算其相对目录流的偏移量的公式为：dir_entry_pos(DID) = DID ∙ 128。
目录入口的内容：
Offset Size Contents
0 64 此入口的名字（字符数组）, 一般为16位的Unicode字符,
以0结束。(因此最大长度为31个字符)
64 2 用于存放名字的区域的大小，包括结尾的0。
(如：一个名字右5个字符则此值为(5+1)∙2 = 12)
66 1 入口类型: 00H = Empty 03H = LockBytes (unknown)
01H = User storage 04H = Property (unknown) 02H = User stream 05H = Root storage
67 1 此入口的节点颜色: 00H = Red 01H = Black
68 4 其左节点的DID (若此入口为一个user storage or stream) 若没有左节点就为－1。
72 4 其右节点的DID (若此入口为一个user storage or stream)， 若没有右节点就为－1。
76 4 其成员红黑树的根节点的DID (若此入口为storage), 其他为－1。
80 16 唯一标识符（若为storage）(不重要, 可能全为0)
96 4 用户标记(不重要, 可能全为0)
100 8 创建此入口的时间标记。大多数情况都不写。
108 8 最后修改此入口的时间标记。大多数情况都不写。
116 4 若此为流的入口，指定流的第一个sector或short-sector的SID,若此为根仓库入口，指定短流存放流的第一个sector的SID,其他情况，为0。 120 4 若此为流的入口，指定流的大小（字节）若此为根仓库入口，指定短流存放流的大小（字节）其他情况，为0。
124 4 Not used
时间标记(time stamp) 是一个符号的64位的整数，表示从1601-01-01 00:00:00开始的时间值。此值的单位为10－7秒。
当计算时间标记是要注意闰年。
例：时间标记值为01AE408B10149C00H
计算步骤 公式 结果
转为十进制 t0 = 121,105,206,000,000,000
化成秒的余数 rfrac = t0 mod 107 rfrac = 0
化成秒的整数 t1 = t0 / 107 t1 = 12,110,520,600
化成分的余数 rsec = t1 mod 60 rsec = 0
化成秒的整数 t2 = t1 / 60 t2 = 201,842,010
化成小时的余数 rmin = t2 mod 60 rmin = 30
化成小时的整数 t3 = t2 / 60 t3 = 3,364,033
化成天的余数 rhour = t3 mod 24 rhour = 1
化成天的整数 t4 = t3 / 24 t4 = 140,168
距1601-01-01的整年 ryear = 1601 + t4含的年 ryear = 1601 + 383 = 1984
到1984年还剩的天数 t5 = t4 – (1601-01-01 t5 = 140,168 – 139,887 = 281
到1984-01-01的天数)
距1984-01-01的月数 rmonth = 1 + t5含的月数 rmonth = 1 + 9 = 10
到10月还剩的天数 t6 = t5 – (1984-01-01 t6 = 281 – 274 = 7
到1984-10-01的天数)
10月最终天数 rday = 1 + t6 rday = 1 + 7 = 8