问题提出原因、背景

在高可用云电脑的项目中，需要将云电脑中的所有文件同步到另一台云电脑中，这些文件中就有许多是Office文件。而在实际运行中发现，Office源文件的微小改动，都会使得整个Office文件都需要重新同步，例如，在Word文件的末尾中，添加一个逗号，整个Word文件都发生了变化（在磁盘层面观察）。这样同步传输时耗费的时间和网络资源都很大。

因此，需要调研Office的缓存机制，了解为何Office的微小改动会导致整个文件都发生变化，继而得出该问题的解决办法。

由上一篇“Office调研——Office的缓存机制”的文章中通过调研得出了Office的缓存、落盘机制，并且证明了是“由于Office软件在每次保存中，都将全量数据（包括增量）写入到新的文件中，所以从磁盘层面观察，无论是多微小的改动，都是产生了一个新文件”，导致Office的微小改动会导致整个文件都发生变化。

本篇继续调研上一篇“Office调研——Office的缓存机制”的文章中提出的获取Office增量的三种方法是否可行。

1.问题描述

方法1：将ppt解压，变成分散的文件，对比各个文件的差异，按照文件的方式去获取增量内容。是否可行？
方法2：利用python，读取ppt，在python内比较两个ppt之间的差异，将差异部分以某种文件的形式保存下来，得到保存增量数据的文件。是否可行？
方法3：利用VBA编程，将代码直接插入到Office里面，获取Office的增量数据。是否可行？

2.方法1：将ppt解压，变成分散的文件，对比各个文件的差异

2.1.对 word、excel、ppt解压后（zip 解压）的文件结构，如下：

Word	excel	ppt

2.2.修改word内容，记录word解压后的文件的改变情况

修改前文件大小	修改后文件大小

text001.docx ：570KB 解压后：604KB 图片：557KB 其他：43.9KB	text001.docx ：1.095MB 解压后：1.10MB 图片：1050KB 其他：45.7KB 其中新增图片：525KB

若按照docx文件传输，则需要传输 1.095 MB

若按照解压后的文件传输，则至少需要传输 526.317KB ，最多需要传输 1.10MB

2.3.修改excel内容，记录excel解压后的文件的改变情况

修改前文件大小	修改后文件大小

若按照excel文件传输，则需要传输 9KB

若按照解压后的文件传输，则至少需要传输 0.2KB ，最多需要传输 28KB

2.4.修改ppt内容，记录ppt解压后的文件改变情况

修改前文件大小	修改后文件大小

若按照excel文件传输，则需要传输 346KB

若按照解压后的文件传输，则至少需要传输 11KB ，最多需要传输 407KB

2.5.使用 beyond compare 工具对比文件前后改变情况

Word：增加了两行文字，增加了一张图片

Excel：增加了两个单元格内容。

ppt：第一张幻灯片调整了文字框，没有增加文字。

新增了2,3,4,5,6幻灯片，幻灯片内容都为文字

解压后传输 26185 字节，约 25.57KB

pptx传输 353780 字节，约 345.49KB

传输量约为原本的 7.4 01%

2.6.结论

方法1可行。将ppt，word，excel文件解压，变成分散的文件，对比各个文件的差异，然后传输这些差异文件，为一个可行，且过程不太复杂的方法。

3.方法2：利用python，读取ppt，在python内比较两个ppt之间的差异，将差异部分以某种文件的形式保存下来，得到保存增量数据的文件

3.1.以ppt文件为例，利用python-pptx库实现获取ppt的增量数据，编写demo代码

demo代码：

import pathlib
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.enum.shapes import MSO_SHAPE_TYPE
# 借用openpyxl的单位转换
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)
		
		# 添加页
		# 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)
					
					# 获取二进制字符流
					imdata = value.image.blob
					# 判断文件后缀类型
					imagetype = value.image.content_type
					typekey = imagetype.find('/') + 1
					imtype = imagetype[typekey:]
					
					# 图片生成
					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 类型
			if key_temp[2] == 'text':
				if value == 'NULL':
					#todo
					print('need delete text')
				else:
					shape_temp.text_frame.text = value
			# image 类型
			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")

# 获取到对象
in_path1 = path.joinpath('test001.pptx')
prs1 = Presentation(in_path1)
in_path2 = path.joinpath('test002.pptx')
prs2 = Presentation(in_path2)

# 存储位置 + 内容
diff_dict = {}

# 比较页数，存储不同的整页
print(f'========== compare slide len ==========')
slide1_len = len(prs1.slides)
slide2_len = len(prs2.slides)
# EMU单位，1 Pixel = 9525 EMU
w, h = prs1.slide_width, prs1.slide_height
print(f'ppt1 总共 {slide1_len} 页，页宽 {e2p(w)} px，页高 {e2p(h)} px')
w, h = prs2.slide_width, prs2.slide_height
print(f'ppt2 总共 {slide2_len} 页，页宽 {e2p(w)} px，页高 {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'

# 比较每页，存储每页不同
for i in range(less_slide_len):
	print(f'========== compare slide[{i}] ==========')
	slide1 = prs1.slides[i]
	slide2 = prs2.slides[i]
	slide_key = f"{i}"
	
	# 比较每页里面的形状shape，shape包含ppt里面一切可视元素
	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 总共 {shape1_len} 个shape')
	print(f'ppt2 总共 {shape2_len} 个shape')
	
	# 比较每个形状
	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}"
		
		# 比较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'
		
		# 比较shape里的图片
		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.结论

方法2可行。但提取出增量数据需要原文件和新文件，将两个文件读取到python内存中比较，代码需要循环比较，过程复杂。

4.方法3：利用VBA编程，将代码直接插入到Office里面，获取Office的增量数据

4.1.以ppt文件为例，调研VBA编程可以获取到ppt对象模型中的全量数据，还是增量数据。

经过调研、代码实践可知，VBA 编程中获取的 ppt 对象数据为全量数据，证明如下：

1. 利用VBA代码访问打开的 ppt 中的对象，检查其提取该对象的文本内容。

在未保存时，提取的结果为该对象的所有文本（不区分原有和新增）

在按下 “CTRL+S” 保存时，提取的结果依然为该对象的所有文本（不区分原有和新增）

2. 对官方网站提供的API接口进行查询，未发现专门存储增量数据的对象。从API文档中可以看出，ppt在内存中是以一个个对象进行存储的，该对象包含了ppt的所有信息，用户在编辑ppt时，实际上就在动态地修改内存中的对象（对象中存储的数据总是原有+增量，即最新的全量数据），用户敲下CTRL+S时，系统对内存中的所有ppt对象进行落盘存储，并覆盖原来的ppt文件，形成新的ppt文件。

3. 即使ppt在缓存中把原有的数据和增量的数据分开存储了，在VBA层面也是不可知的，因为VBA是调用ppt的API进行访问，API中没有对增量数据的访问，则VBA无法获取增量数据。

4.1.1.结论

由以上3点可以推断，利用VBA工具也只能先提取出ppt的全量数据，再与原有的ppt文件进行对比，才能得出增量的数据。

4.2. ppt缓存对象结构

由以上获得的信息可得ppt的缓存对象模型结构，如下：

4.3.VBA 获取ppt增量数据考虑的实现方法

4.3.1.针对word、excel

使用录制宏，记录下用户操作，然后传输这个宏文件。（即自动生成的VBA代码）【不可行】
1. 问题：录制宏能否实现自动化，使得用户无感知？
  1. 答：目前未发现录制宏的自动化功能。
使用 VBA 代码，动态获取 word、excel 的对象，跟原对象进行对比，找出差异进行传输。【过程复杂，繁琐】
1. 问题：具体代码实现有哪些需要考虑的问题？
  1. 答：代码较为繁琐，但可以实现。需要评估获取差异所耗费的时间、资源和直接全量传输所耗费的时间、资源。

4.3.2.针对ppt

使用 VBA 代码，动态获取ppt的对象，跟原对象进行对比，找出差异进行传输。
1. 问题：与前面的一样。

4.4.从官方文档中寻找比较内容差异相关的API接口

Application.CompareDocuments (word)【不可行】
1. 能够返回有修订记录的文档，不符合要求。
Windows.CompareSideBySideWith method (Excel)【不可行】
1. 能够打开两个窗口，不符合要求。

4.5.结论

方法3可行。利用 VBA 编程考虑能够实现Office文件内容差异的提取，但是过程较为繁琐，复杂。

5.综合结论

1. 方法1：将ppt解压，变成分散的文件，对比各个文件的差异，按照文件的方式去获取增量内容。是否可行？

答：方法1可行。将ppt，word，excel文件解压，变成分散的文件，对比各个文件的差异，然后传输这些差异文件，为一个可行，且过程不太复杂的方法。

2. 方法2：利用python，读取ppt，在python内比较两个ppt之间的差异，将差异部分以某种文件的形式保存下来，得到保存增量数据的文件。是否可行？

答：方法2可行。但提取出增量数据需要原文件和新文件，将两个文件读取到python内存中比较，代码需要循环比较，过程复杂。

3. 方法3：利用VBA编程，将代码直接插入到Office里面，获取Office的增量数据。是否可行？

答：方法3可行。利用 VBA 编程考虑能够实现Office文件内容差异的提取，但是过程较为繁琐，复杂。

问题提出原因、背景

因此，需要调研Office的缓存机制，了解为何Office的微小改动会导致整个文件都发生变化，继而得出该问题的解决办法。

本篇继续调研上一篇“Office调研——Office的缓存机制”的文章中提出的获取Office增量的三种方法是否可行。

1.问题描述

方法1：将ppt解压，变成分散的文件，对比各个文件的差异，按照文件的方式去获取增量内容。是否可行？
方法2：利用python，读取ppt，在python内比较两个ppt之间的差异，将差异部分以某种文件的形式保存下来，得到保存增量数据的文件。是否可行？
方法3：利用VBA编程，将代码直接插入到Office里面，获取Office的增量数据。是否可行？

2.方法1：将ppt解压，变成分散的文件，对比各个文件的差异

2.1.对 word、excel、ppt解压后（zip 解压）的文件结构，如下：

Word	excel	ppt

2.2.修改word内容，记录word解压后的文件的改变情况

修改前文件大小	修改后文件大小

text001.docx ：570KB 解压后：604KB 图片：557KB 其他：43.9KB	text001.docx ：1.095MB 解压后：1.10MB 图片：1050KB 其他：45.7KB 其中新增图片：525KB

若按照docx文件传输，则需要传输 1.095 MB

若按照解压后的文件传输，则至少需要传输 526.317KB ，最多需要传输 1.10MB

2.3.修改excel内容，记录excel解压后的文件的改变情况

修改前文件大小	修改后文件大小

若按照excel文件传输，则需要传输 9KB

若按照解压后的文件传输，则至少需要传输 0.2KB ，最多需要传输 28KB

2.4.修改ppt内容，记录ppt解压后的文件改变情况

修改前文件大小	修改后文件大小

若按照excel文件传输，则需要传输 346KB

若按照解压后的文件传输，则至少需要传输 11KB ，最多需要传输 407KB

2.5.使用 beyond compare 工具对比文件前后改变情况

Word：增加了两行文字，增加了一张图片

Excel：增加了两个单元格内容。

ppt：第一张幻灯片调整了文字框，没有增加文字。

新增了2,3,4,5,6幻灯片，幻灯片内容都为文字

解压后传输 26185 字节，约 25.57KB

pptx传输 353780 字节，约 345.49KB

传输量约为原本的 7.4 01%

2.6.结论

方法1可行。将ppt，word，excel文件解压，变成分散的文件，对比各个文件的差异，然后传输这些差异文件，为一个可行，且过程不太复杂的方法。

3.方法2：利用python，读取ppt，在python内比较两个ppt之间的差异，将差异部分以某种文件的形式保存下来，得到保存增量数据的文件

3.1.以ppt文件为例，利用python-pptx库实现获取ppt的增量数据，编写demo代码

demo代码：

import pathlib
from pptx import Presentation
from pptx.util import Inches, Pt
from pptx.enum.shapes import MSO_SHAPE_TYPE
# 借用openpyxl的单位转换
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)
		
		# 添加页
		# 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)
					
					# 获取二进制字符流
					imdata = value.image.blob
					# 判断文件后缀类型
					imagetype = value.image.content_type
					typekey = imagetype.find('/') + 1
					imtype = imagetype[typekey:]
					
					# 图片生成
					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 类型
			if key_temp[2] == 'text':
				if value == 'NULL':
					#todo
					print('need delete text')
				else:
					shape_temp.text_frame.text = value
			# image 类型
			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")

# 获取到对象
in_path1 = path.joinpath('test001.pptx')
prs1 = Presentation(in_path1)
in_path2 = path.joinpath('test002.pptx')
prs2 = Presentation(in_path2)

# 存储位置 + 内容
diff_dict = {}

# 比较页数，存储不同的整页
print(f'========== compare slide len ==========')
slide1_len = len(prs1.slides)
slide2_len = len(prs2.slides)
# EMU单位，1 Pixel = 9525 EMU
w, h = prs1.slide_width, prs1.slide_height
print(f'ppt1 总共 {slide1_len} 页，页宽 {e2p(w)} px，页高 {e2p(h)} px')
w, h = prs2.slide_width, prs2.slide_height
print(f'ppt2 总共 {slide2_len} 页，页宽 {e2p(w)} px，页高 {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'

# 比较每页，存储每页不同
for i in range(less_slide_len):
	print(f'========== compare slide[{i}] ==========')
	slide1 = prs1.slides[i]
	slide2 = prs2.slides[i]
	slide_key = f"{i}"
	
	# 比较每页里面的形状shape，shape包含ppt里面一切可视元素
	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 总共 {shape1_len} 个shape')
	print(f'ppt2 总共 {shape2_len} 个shape')
	
	# 比较每个形状
	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}"
		
		# 比较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'
		
		# 比较shape里的图片
		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.结论

方法2可行。但提取出增量数据需要原文件和新文件，将两个文件读取到python内存中比较，代码需要循环比较，过程复杂。

4.方法3：利用VBA编程，将代码直接插入到Office里面，获取Office的增量数据

4.1.以ppt文件为例，调研VBA编程可以获取到ppt对象模型中的全量数据，还是增量数据。

经过调研、代码实践可知，VBA 编程中获取的 ppt 对象数据为全量数据，证明如下：

1. 利用VBA代码访问打开的 ppt 中的对象，检查其提取该对象的文本内容。

在未保存时，提取的结果为该对象的所有文本（不区分原有和新增）

在按下 “CTRL+S” 保存时，提取的结果依然为该对象的所有文本（不区分原有和新增）

4.1.1.结论

由以上3点可以推断，利用VBA工具也只能先提取出ppt的全量数据，再与原有的ppt文件进行对比，才能得出增量的数据。

4.2. ppt缓存对象结构

由以上获得的信息可得ppt的缓存对象模型结构，如下：

4.3.VBA 获取ppt增量数据考虑的实现方法

4.3.1.针对word、excel

使用录制宏，记录下用户操作，然后传输这个宏文件。（即自动生成的VBA代码）【不可行】
1. 问题：录制宏能否实现自动化，使得用户无感知？
  1. 答：目前未发现录制宏的自动化功能。
使用 VBA 代码，动态获取 word、excel 的对象，跟原对象进行对比，找出差异进行传输。【过程复杂，繁琐】
1. 问题：具体代码实现有哪些需要考虑的问题？
  1. 答：代码较为繁琐，但可以实现。需要评估获取差异所耗费的时间、资源和直接全量传输所耗费的时间、资源。

4.3.2.针对ppt

使用 VBA 代码，动态获取ppt的对象，跟原对象进行对比，找出差异进行传输。
1. 问题：与前面的一样。

4.4.从官方文档中寻找比较内容差异相关的API接口

Application.CompareDocuments (word)【不可行】
1. 能够返回有修订记录的文档，不符合要求。
Windows.CompareSideBySideWith method (Excel)【不可行】
1. 能够打开两个窗口，不符合要求。

4.5.结论

方法3可行。利用 VBA 编程考虑能够实现Office文件内容差异的提取，但是过程较为繁琐，复杂。

5.综合结论

1. 方法1：将ppt解压，变成分散的文件，对比各个文件的差异，按照文件的方式去获取增量内容。是否可行？

答：方法1可行。将ppt，word，excel文件解压，变成分散的文件，对比各个文件的差异，然后传输这些差异文件，为一个可行，且过程不太复杂的方法。

2. 方法2：利用python，读取ppt，在python内比较两个ppt之间的差异，将差异部分以某种文件的形式保存下来，得到保存增量数据的文件。是否可行？

答：方法2可行。但提取出增量数据需要原文件和新文件，将两个文件读取到python内存中比较，代码需要循环比较，过程复杂。

3. 方法3：利用VBA编程，将代码直接插入到Office里面，获取Office的增量数据。是否可行？

答：方法3可行。利用 VBA 编程考虑能够实现Office文件内容差异的提取，但是过程较为繁琐，复杂。

活动

应用商城

合作伙伴

开发者

支持与服务

了解天翼云

Office调研——获取Office增量的三种方法的可行性

问题提出原因、背景

1.问题描述

2.方法1：将ppt解压，变成分散的文件，对比各个文件的差异

2.1.对 word、excel、ppt解压后（zip 解压）的文件结构，如下：

2.2.修改word内容，记录word解压后的文件的改变情况

2.3.修改excel内容，记录excel解压后的文件的改变情况

2.4.修改ppt内容，记录ppt解压后的文件改变情况

2.5.使用 beyond compare 工具对比文件前后改变情况

2.6.结论

3.方法2：利用python，读取ppt，在python内比较两个ppt之间的差异，将差异部分以某种文件的形式保存下来，得到保存增量数据的文件

3.1.以ppt文件为例，利用python-pptx库实现获取ppt的增量数据，编写demo代码

3.2.结论

4.方法3：利用VBA编程，将代码直接插入到Office里面，获取Office的增量数据

4.1.以ppt文件为例，调研VBA编程可以获取到ppt对象模型中的全量数据，还是增量数据。

4.1.1.结论

4.2. ppt缓存对象结构

4.3.VBA 获取ppt增量数据考虑的实现方法

4.3.1.针对word、excel

4.3.2.针对ppt

4.4.从官方文档中寻找比较内容差异相关的API接口

4.5.结论

5.综合结论

Office调研——获取Office增量的三种方法的可行性

问题提出原因、背景

1.问题描述

2.方法1：将ppt解压，变成分散的文件，对比各个文件的差异

2.1.对 word、excel、ppt解压后（zip 解压）的文件结构，如下：

2.2.修改word内容，记录word解压后的文件的改变情况

2.3.修改excel内容，记录excel解压后的文件的改变情况

2.4.修改ppt内容，记录ppt解压后的文件改变情况

2.5.使用 beyond compare 工具对比文件前后改变情况

2.6.结论

3.方法2：利用python，读取ppt，在python内比较两个ppt之间的差异，将差异部分以某种文件的形式保存下来，得到保存增量数据的文件

3.1.以ppt文件为例，利用python-pptx库实现获取ppt的增量数据，编写demo代码

3.2.结论

4.方法3：利用VBA编程，将代码直接插入到Office里面，获取Office的增量数据

4.1.以ppt文件为例，调研VBA编程可以获取到ppt对象模型中的全量数据，还是增量数据。

4.1.1.结论

4.2. ppt缓存对象结构

4.3.VBA 获取ppt增量数据考虑的实现方法

4.3.1.针对word、excel

4.3.2.针对ppt

4.4.从官方文档中寻找比较内容差异相关的API接口

4.5.结论

5.综合结论