Apgrieztā inženierija PPTX Failus: Izstrādātāja ceļvedis

Mūsdienīgi prezentāciju komplekti nodrošina visu, sākot no investoru prezentācijām līdz iekšējiem ceturkšņa rādītājiem. Bet, ja jums jebkad bija jāizgūst teksts programmatiski, jāaizstāj veidnes izpildlaikā, jāveido automatizēti slaidu ģeneratori vai jāattīra konfidenciālas prezentācijas, jūs, iespējams, ātri sapratis: standarta augsta līmeņa prezentāciju bibliotēkas var likties kā neparedzama melna kaste.

Kad bibliotēkas, piemēram, python-pptx, Apache POI vai OpenXML SDK, sasniedz savas robežas — vai arī ievieš neaprakstītas izkārtojuma kļūdas — vienīgais izceļas veids ir caur to. Jums jāizprot, kas patiesībā ir PowerPoint prezentācija baitu un shēmas līmenī.

Šajā padziļinātajā pārskatā mēs pacelsim aizkuli .pptx formātam, izpakosim tā iekšējo struktūru, izsekosim tās attiecību grafu, sadalīsim zīmējumu hierarhijas un aplūkosim praktiskus stratēģijas reversēšanai, pārbaudei un prezentāciju manipulēšanai ar neapstrādātu kodu.

1. Kas patiesībā ir .pptx fails?

Pamatā .pptx fails nav īpašnieka monolītisks binārais fails, kā senais .ppt formāts no 1990. gadiem. Kopš Microsoft ieviesa Office Open XML (ECMA-376 un ISO/IEC 29500), mūsdienu Office dokumenti ir Open Packaging Conventions (OPC) arhīvi.

Vienkāršā angļu valodā: .pptx fails ir vienkārši zip arhīvs, kas satur XML dokumentus un multivides resursus, sakārtotus deterministiskā direktoriju koks.

To var pierādīt dažu sekunžu laikā, izmantojot standarta termināļa rīkus:

# Rename the extension and unpack it
cp presentation.pptx presentation.zip
unzip presentation.zip -d presentation_unpacked/
cd presentation_unpacked/
tree -L 2

Izveidotais direktoriju koks izskatās pārsteidzoši konsekvents:

.
├── [Content_Types].xml
├── _rels/
│   └── .rels
├── docProps/
│   ├── app.xml
│   └── core.xml
└── ppt/
    ├── presentation.xml
    ├── _rels/
    ├── slides/
    ├── slideLayouts/
    ├── slideMasters/
    ├── theme/
    └── media/

Katrs atsevišķais vizuālais resurss, pāreja, slaidu galvenā pārmantošana, teksta lodziņa koordināte un vektorgrafika ir kodificēta šajā failu hierarhijā.

2. Paketes anatomija: galvenās apakšsistēmas

Lai efektīvi veiktu prezentāciju atpakaļizpēti, jāizprot katras augstākā līmeņa komponentes atbildība.

[Content_Types].xml

Šis ir OPC lasītāja ievades manifests. Tas kartē failu paplašinājumus un konkrētus iekšējos daļu nosaukumus uz standartizētiem MIME/content tipiem. Ja izveidojat jaunu slaidu vai pievienojat attēlu un neiekļaujat to [Content_Types].xml, PowerPoint paziņos, ka prezentācija ir bojāta, un piedāvās atjaunošanu.

Piemēra fragmenti:

<Types xmlns="http://schemas.openxmlformats.org/package/2006/content-types">
  <Default Extension="xml" ContentType="application/xml"/>
  <Default Extension="rels" ContentType="application/vnd.openxmlformats-package.relationships+xml"/>
  <Default Extension="png" ContentType="image/png"/>
  <Override PartName="/ppt/presentation.xml" 
            ContentType="application/vnd.openxmlformats-officedocument.presentationml.presentation.main+xml"/>
</Types>

_rels/ attiecību grafiks

Viens no svarīgākajiem jēdzieniem OpenXML ir indirekcija caur attiecībām. Daļas reti norāda tieši uz neapstrādātiem failu ceļiem. Tā vietā fails (piemēram, slide1.xml) ir saistīts ar attiecību failu, kas atrodas blakus _rels mapē (piemēram, _rels/slide1.xml.rels).

Attiecības definē:

• Hipersaites (r:id="rId2", TargetMode=“External”)
• Attēli un audio celiņi, kas saglabāti ppt/media/
• Izkārtojuma mantošanas rādītāji (slideLayout1.xml)
• Piezīmju slaidi, komentāri un iegultie fonti

docProps/ (Metadati)

• core.xml: Dublin Core metadati — autors, nosaukums, izveides datums, modificēšanas laika zīmogs.
• app.xml: Lietojumprogrammas specifiskā statistika — PowerPoint versija, kopējais slaidu skaits, slēptu slaidu skaits, vārdu skaits, prezentācijas veidņu nosaukumi.

ppt/ (Prezentācijas dzinējs)

Šeit ir patiesā prezentācija:

• presentation.xml: Galvenais skelets. Tas reģistrē slaidu ID, slaidu izmēru dimensijas, piezīmju galveno atsauču un noklusējuma fontu iestatījumus.
• slides/: Atsevišķie slaidi (slide1.xml, slide2.xml utt.).
• slideLayouts/: Galvenie struktūras priekšiestatījumi (Virsraksta slaids, Divas kolonnas, Sadaļas galvene).
• slideMasters/: Globālie stili, noklusējuma paletes, fona aizpildījumi un viettura mantība.
• theme/: Krāsu paletes (akcenti 1 līdz 6, tumšas/gaišas variācijas) un fontu shēmas (galvenie/mazākie fonti).
• media/: Neapstrādāti attēli (PNG, JPEG, SVG), audio un video faili.

3. Slaida analīze: PresentationML (p:) un DrawingML (a:) dialekti

Kad atverat ppt/slides/slide1.xml, sastopaties ar divām galvenajām XML vārdtelpām:

1. PresentationML (p:): Pārvalda strukturālos prezentācijas elementus (slaidi, formu koki, audekla grupas).
2. DrawingML (a:): Pārvalda tipogrāfiju, ģeometriju, 2D koordinātas, gradienta aizpildījumus un vektoru renderēšanu.

Šeit ir vienkāršots piemērs tam, kā izskatās standarta teksta forma:

<p:sp>
  <!-- 1. Non-visual shape properties (Identifiers, names) -->
  <p:nvSpPr>
    <p:cNvPr id="4" name="Title Box 1"/>
    <p:cNvSpPr>
      <a:spLocks noGrp="1"/>
    </p:cNvSpPr>
    <p:nvPr>
      <p:ph type="title"/>
    </p:nvPr>
  </p:nvSpPr>

  <!-- 2. Visual shape properties (Position, size, geometry) -->
  <p:spPr>
    <a:xfrm>
      <a:off x="1524000" y="1143000"/>
      <a:ext cx="9144000" cy="1828800"/>
    </a:xfrm>
    <a:prstGeom prst="rect">
      <a:avLst/>
    </a:prstGeom>
    <a:solidFill>
      <a:schemeClr val="accent1"/>
    </a:solidFill>
  </p:spPr>

  <!-- 3. Text Body (Paragraphs, runs, styling) -->
  <p:txBody>
    <a:bodyPr rtlCol="0" anchor="ctr"/>
    <a:lstStyle/>
    <a:p>
      <a:r>
        <a:rPr lang="en-US" sz="3200" b="1"/>
        <a:t>Mission Critical Architecture</a:t>
      </a:r>
    </a:p>
  </p:txBody>
</p:sp>

Svarīgas mērvienības: EMU un simtā daļa punkta

Pievērsiet uzmanību koordinātu skaitļiem elementā <a:xfrm>:

• x="1524000"
• cx="9144000"

Šie ir Angļu metriskās vienības (EMUs).

• $1 \text{ inch} = 914,400 \text{ EMUs}$
• $1 \text{ cm} = 360,000 \text{ EMUs}$
• $1 \text{ pt} = 12,700 \text{ EMUs}$

EMUs ļauj veseliem skaitļiem attēlot precīzas frakcijas gan collās, gan milimetros, bez peldošā komata noapaļošanas kļūdām dažādās aparatūras arhitektūrās.

Pievērsiet arī uzmanību fonta lielumam:

• sz="3200" nozīmē 32,00 pt. Fonta lielumi DrawingML ir mērīti simtdaļās no punkta.

4. Mantošanas ķēde: Kāpēc formas manto neredzamus stilus

Viens no visbiežākajiem ķīpsakām, veicot PPTX failu reverso inženieriju, ir pieņēmums, ka formas vizuālais stils ir pilnībā deklarēts tās pašas slideX.xml failā.

Patiesībā OpenXML balstās uz stingru 4 līmeņu pakāpenisku mantošanas modeli:

[Theme: ppt/theme/theme1.xml]
              │
              ▼
[Slide Master: ppt/slideMasters/slideMaster1.xml]
              │
              ▼
[Slide Layout: ppt/slideLayouts/slideLayout1.xml]
              │
              ▼
[Slide: ppt/slides/slide1.xml]

Ja teksta lodziņš slide1.xml satur:

<a:p>
  <a:r>
    <a:t>Revenue Projections</a:t>
  </a:r>
</a:p>

Šajā izpildes posmā (<a:r>) nav norādīta fonta ģimene, nav skaidras krāsas un nav norādīts izmērs. Lai noskaidrotu, kā PowerPoint attēlo šo tekstu, jūsu parsētājam jā:

1. Identificējiet viettura veidu (<p:ph type="title"/>).
2. Izlasiet izkārtojumu, uz ko atsaucas slide1.xml.rels.
3. Pārbaudiet, vai slideLayout1.xml nodrošina stila pārrakstus šim vietturim.
4. Atkāpieties uz slideMaster1.xml, lai iegūtu noklusējuma virsraksta teksta ķermeņa stilus.
5. Izsekot krāsu marķierus, piemēram, accent1 vai tx1, uz theme1.xml, lai atrastu heksadecimālo krāsas kodu.

Ja izlaidosiet šo mantošanas grafiku, jūsu parsētājs nepareizi nolasīs stilus, trūkstošus fontus, fontu izmērus un izkārtojuma enkurus.

5. Praktiskais reversās inženierijas darbplūsma

Kad jums jāizpēta, kā konkrēta PowerPoint funkcija darbojas iekšpusē (piemēram, morfēšanas pārejas, sarežģītas tabulas, vektoru ceļi), sekojiet šai empīriskajai pieejai:

1. solis: Izveidot minimālu “Diff pāri”

1. Atveriet PowerPoint un izveidojiet tukšu slaidu.
2. Saglabājiet to kā before.pptx.
3. Izpildiet tieši vienu izmaiņu, ko vēlaties atpakaļizvērtēt (piemēram, pievienojiet krīzes ēnu aplim, mainiet aizzīmes stilu, ievietojiet iegultu video).
4. Saglabājiet to kā after.pptx.

2. solis: Atpakot abus arhīvus

unzip before.pptx -d before/
unzip after.pptx -d after/

3. solis: Formatēt XML

Neapstrādāts XML Office arhīvos parasti tiek noņemts no atkāpēm un jaunu rindu rakstzīmēm. Pirms salīdzināšanas formatējiet failus:

find before/ after/ -name "*.xml" -exec xmllint --format {} --output {} \;

4. solis: Izpildīt vienotu diff

diff -uNr before/ after/ > changes.patch

Pārskatot changes.patch, tiek atklāts precīzs birkas nosaukums, nosaukumvietas atribūts un konteineru hierarhija, ko ieviesa PowerPoint. Tas ir ātrākais veids, kā atklāt neaprakstītas vai nepazīstamas shēmas īpašības, neierakstoties tūkstošu ECMA-376 dokumentācijas lapu.

6. Pielāgota mikro-dzinēja izveide: Atpakot, modificēt, pārpakot

Dažreiz nevēlaties smagu uzņēmuma atkarību, piemēram, Apache POI vai Microsoft OpenXML SDK—īpaši vieglos bezservera izpildes vidēs (AWS Lambda, Cloudflare Workers, malas mezgli).

Šeit ir pašpietiekams Python paraugs, kas parāda, kā droši atpakot atmiņā esošu PPTX, injicēt pielāgotus datus, izmantojot standarta bibliotēkas rīkus, un to pārpakot:

import zipfile
import io
import xml.etree.ElementTree as ET

def modify_slide_title(input_pptx_bytes: bytes, new_title: str) -> bytes:
    input_zip = zipfile.ZipFile(io.BytesIO(input_pptx_bytes))
    output_buffer = io.BytesIO()
    
    with zipfile.ZipFile(output_buffer, "w", zipfile.ZIP_DEFLATED) as output_zip:
        for item in input_zip.infolist():
            content = input_zip.read(item.filename)
            
            # Target slide 1
            if item.filename == "ppt/slides/slide1.xml":
                namespaces = {
                    'p': 'http://schemas.openxmlformats.org/presentationml/2006/main',
                    'a': 'http://schemas.openxmlformats.org/drawingml/2006/main'
                }
                
                # Register namespaces to preserve prefixes
                for prefix, uri in namespaces.items():
                    ET.register_namespace(prefix, uri)
                    
                root = ET.fromstring(content)
                
                # Find title placeholder text run
                for title_run in root.findall(".//p:sp[p:nvSpPr/p:nvPr/p:ph[@type='title']]//a:t", namespaces):
                    title_run.text = new_title
                    break
                
                content = ET.tostring(root, encoding="utf-8", xml_declaration=True)
            
            output_zip.writestr(item, content)
            
    return output_buffer.getvalue()

Svarīgi brīdinājumi, modificējot failus neapstrādātā baitu līmenī:

1. Namespace saglabāšana: XML parsētāji bieži pārraksta prefiksus (xmlns:p var kļūt par xmlns:ns0). Lai gan tas ir derīgs XML, PowerPoint stingra iekšējā shēmas validācija dažkārt noraida nestandarta prefiksu aliasus. Reģistrējiet vārdtelpas tieši.
2. ZIP saspiešanas metodes: Pārliecinieties, ka rakstāt failus atpakaļ, izmantojot standarta deflate saspiešanu (zipfile.ZIP_DEFLATED).
3. Plūsmas iztīrīšana: Vienmēr pārbaudiet, vai jūsu zip buferis pilnībā aizveras un iztīras, pirms nosūtāt baitus tālāk.
4. Saglabāt attiecības: Ja noņemat slaidu, jums arī jānoņem tā ieraksts no ppt/presentation.xml, jāizdzēš tā attiecība ppt/_rels/presentation.xml.rels, un jāiztīra tā satura tips no [Content_Types].xml.

7. Veiktspējas un drošības apsvērumi

PPTX failu atpakaļizpēte nav tikai par slaidu rediģēšanu; tas arī ietver to, kas tiek ievadīts jūsu sistēmās.

Drošība: Miljards Smieklu & XXE

Tā kā PPTX faili parsē XML, jebkura servera puses caurule, kas apstrādā lietotāju iesniegtas prezentācijas, ir pakļauta:

• XML ārējā entītija (XXE) injekcija: ļaundabīgs XML, kas mēģina piekļūt /etc/passwd vai vaicāt iekšējus mākoņa metadatu galapunktus (http://169.254.169.254/).
• Entītiju paplašināšanas uzbrukumi (Billion Laughs): eksponenciāli entītiju cikli, kas iztērē sistēmas RAM.

Mitigācija: Vienmēr atspējojiet resolve_entities, load_dtd un ārējo tīkla izšķiršanu jūsu XML parserī (piemēram, izmantojot defusedxml Pythonā).

Drošība: Makro Nesošanas un Slēptās Plūsmas

Pārbaudiet failus, vai .pptm saturs neizstaro kā .pptx paplašinājums. Uzmanieties no ppt/vbaProject.bin, kas satur kompilētu Visual Basic kodu. Standarta .pptx failos VBA kods ir aizliegts; bināro slodzes atsauču atrašana attiecībās nekavējoties jāizsauc karantīnas brīdinājumi.

Secinājums

Apgrieztā inženierija .pptx failiem demistificē prezentāciju programmatūru. Kad saprotat, ka PowerPoint faili ir vienkārši strukturēti zip pakotnes, kas satur koordinātas, shēmas atsauces un XML attiecību koku, jūs vairs neesat ierobežoti ar esošajām trešo pušu abstrakcijām.

Neatkarīgi no tā, vai optimizējat slaidu ģenerēšanas caurplūdi, rakstāt pielāgotus automatizētus sanitārus vai novēršat renderēšanas traucējumus, tieša skatīšanās uz pamatā esošo OpenXML arhitektūru sniedz pilnīgu kontroli pār prezentācijas cauruļvadu.

Biežāk uzdotie jautājumi (BUJ)

**Q: Vai varat konvertēt .pptx uz standarta mapi un rediģēt failus tieši IDE?

A1: Jā, jūs varat izvilkt arhīvu, rediģēt XML redaktorā, piemēram, VS Code, un atkal saspiest direktorijas saturu, lai to atvērtu PowerPoint.

**Q: Kāpēc PowerPoint saka, ka manuāli modificētajam PPTX failam ir jāveic remonts?

A2: Parasti tas notiek, ja jūs ievadījāt nepareizu XML, izlaida jaunus resursus no [Content_Types].xml, vai atstāja peldošu atsauci saistītā .rels failā.

**Q: Kādu mērvienību PowerPoint izmanto figūru pozīcijām un robežām?

A3: PowerPoint izmanto angļu metriskās vienības (EMUs), kur 1 collas ir 914,400 EMU un 1 punkts ir 12,700 EMU.

**Q: Kā es varu programmatiski izvilkt visus attēlus no prezentācijas bez ārējām bibliotēkām?

A4: Vienkārši atveriet .pptx failu ar jebkuru standarta zip rīku un izvelciet visus bināros failus, kas atrodas ppt/media/ direktorijā.

**Q: Vai ir droši parsēt lietotāju augšupielādētus PPTX failus ar standarta XML parsētājiem?

A5: Nē, jums jāstiprina savs parsētājs vai jāizmanto droši apvalki, piemēram, defusedxml, lai bloķētu XML ārējo elementu (XXE) un zip-bombas uzbrukumus.

Skatīt arī

• Prezentāciju failu formāti vietnē FileFormat.com?
• Java API, lai piekļūtu PowerPoint failu formātiem
• ODP vs PPTX: OpenDocument pret Microsoft PowerPoint prezentācijas formāta salīdzinājums
• Atšķirība starp PPT un PPTX
• Izveidot PowerPoint prezentāciju Java ar Apache POI API