DWG 2004 解析系列（三）文件结构之2007

        

目录

0 总体结构

1 文件头

2 System section

3 Data section

---

        前文讲述了2004的文件结构，在引言中曾提及2004后的dwg文件结构，除了2007外，基本相同，本文就详细讲述一下2007的文件结构。其实，从2000版后，除了文件结构的不同外（可分为2000,2004,2007三种不同结构），从文件中解析出某个SECTION的数据后，其内部编码都是相同的（即位码，计划后面再详述）。

0 总体结构

        总体结构依然是文件头+数据页的组织形式，主要差别在于2007的文件头的不同。

1 文件头

        对文件头的解码过程如下图，其中的r2007header类似于2004中的r2004header，但是r2004header只需要在位解密就行。

        首先从dwg文件头部读取0x80字节的数据，这部分数据称为MetaData，描述的内容与2004相似。其布局如下：

偏移	大小	说明
0x00	7	标志串"AC1021\0"
0x07	4	4个0
0x0B	1	Maintenance release version
0x0C	1	0 or 1 or 3
0x0D	4	preview address
0x11	1	dwg version
0x12	1	dwg maintance version
0x13	2	codepage index
0x15	1	unknown
0x16	1	app version
0x17	1	app maintance version
0x18	4	security type
0x1c	4	unknown
0x20	4	summary info address
0x24	4	vba project address
0x28	4	r2007 header address (0x80)
0x2c	4	application info address
0x30	0x50	unknown

        偏移量为r2007_header_address(0x80)处有0x400字节的数据，其中前0x3D8个字节是经Reed-Solomon (255, 239) 因子为3编码的压缩的r2007header，尾部的0x28个字节是5个64位整数表示的校验数据等。其布局如下：

偏移	大小	说明
0x00	8	CRC
0x08	8	key
0x10	8	DATA_CRC
0x18	8	DATA_Length
0x20	|Data_Length|	DATA

            如果DATA_Length为负数，表示DATA未压缩；如果DATA_Length为正数，表示DATA是压缩数据，需要解压。如果需要解压，则解压后的数据长度固定为0x110字节。r2007header的布局如下：

偏移	大小	说明
0x00	8	header size （通常位0x70）
0x08	8	file size
0x10	8	PageMapCrcCompressed
0x18	8	PageMapCorrectionFactor
0x20	8	PageMapCrcSeed
0x28	8	PageMap2offset（相对于数据页的开始处，在整个文件中偏移应加上文件头的长度0x480）
0x30	8	PageMap2 Id
0x38	8	PageMapOffset（计算方法同PageMap2Offset）
0x40	8	PageMapId
0x48	8	Header2Offset（计算方法同PageMapOffset）
0x50	8	PageMapSizeCompressed
0x58	8	PageMapSizeUncompressed
0x60	8	PageAmount
0x68	8	PageMaxId
0x70	8	Unknown(0x20)
0x78	8	Unknown(0x40)
0x80	8	PageMapCrcUncompressed
0x88	8	Unknown(0xF800)
0x90	8	Unknown(0x4)
0x98	8	Unknown(0x1)
0xA0	8	SectionAmount(=section总数+1)
0xA8	8	SectionMapCrcUncompressed
0xB0	8	SectionMapSizeCompressed
0xB8	8	SectionMap2Id
0xC0	8	SectionMapId
0xC8	8	SectionMapSizeUncompressed
0xD0	8	SectionMapCrcCompressed
0xD8	8	SectionMapCorrectionFactor
0xE0	8	SectionMapCrcSeed
0xE8	8	StreamVersion(通常为0x60100)
0xF0	8	CrcSeed
0xF8	8	CrcSeedEncoded
0x100	8	RandomSeed
0x108	8	Header CRC64

从以上表格可以看出其与2004header的不同，增加了很多数据项，而且全部向64位转变。

2 System section

        接下来，自然是到了解析system section的时间。

        首先是Pagemap，我们根据r2007header中参数的指引，从数据流中读取。以下是解析实例中的参数：

pages_map_offset: 0
pages_map_correction: 7
pages_map_size_comp: 84
pages_map_size_uncomp: 170

sections_map_id: 16
sections_map_correction: 4
sections_map_size_comp: 3c9
sections_map_size_uncomp: 8d2

        system section只有一个数据页，对page map和section map的读取方式（解码解压）是一样的，直接上代码来解释吧。

        方法read_system_page的参数：

参数	读page map的page时	读section map的page时
data	由pages_map_offset计算	从pagemap中查询sections_map_id对应的page的偏移计算得到
size_comp	pages_map_size_comp	sections_map_size_comp
size_uncomp	pages_map_size_uncomp	sections_map_size_uncomp
repeat_count	pages_map_correction	sections_map_correction

uint8_t* CSystemSection2007::read_system_page(const uint8_t* data, int64_t size_comp, int64_t size_uncomp, int64_t repeat_count)
{
	// pesize: Pre rs Encoded size
	// Round to a multiple of 8
	uint64_t pesize = ((size_comp + 7) & ~7) * repeat_count;
	// Divide pre encoded size by RS k-value (239)
	uint64_t block_count = (pesize + 238) / 239;
	if (block_count == 0)
	{
		PRINT("Empty r2007 system page block_count. size_comp: %lld, repeat_count: %lld",
			size_comp, repeat_count);
		return NULL;
	}
	// Multiply with codeword size (255) and round to a multiple of 8
	uint64_t page_size = (block_count * 255 + 7) & ~7;
	uint64_t pedata_size = block_count * 239;
	uint8_t* pedata = new uint8_t[pedata_size];
	reed_solomon_decode(pedata, data, block_count, 239, page_size);

	// allocate memory for decompressing
	check_buffer(size_uncomp);
	if (size_comp < size_uncomp)
	{
		CCompressedData2007 comp(pedata, size_comp, size_uncomp);
		comp.decompress(m_decomp_data);
	}
	else
		memcpy(m_decomp_data, pedata, size_uncomp);
	delete[] pedata;
	return m_decomp_data;
}

        从代码可知，2007的数据页是需要先RS解码，再解压缩的。

        与2004相同的是，这里的page map仍然是(page number，page size)数据对，不同的是，不再分页了，读取顺序是（page size，page number），page map的数据布局如下：

偏移	大小	说明
0x00	8	page size
0x08	8	page number
0x10	8	page size
0x18	8	page number
......

         对section map的解析要略微复杂一些，其数据布局为：

偏移	大小	说明
0x00	8	data size
0x08	8	max size
0x10	8	encrption
0x18	8	hashcode
0x20	8	section name length，包含尾0的2个字节
0x28	8	unknown
0x30	8	encoding
0x38	8	number of pages
0x40	section name length	UNICODE section name end with "\0\0"
[number of pages]组	8	page data offset
	8	page size
	8	page id
	8	page uncompressed size
	8	page compressed size
	8	page checksum
	8	page CRC

解析实例：

3 Data section

        从section map可知，一个data section可能会有多个页，因此同2004一样，按照section map的指引把这些数据页读入，类似于system section page的读取，依然要解码再解压（也可能无压缩），上代码看吧。

uint8_t* CDataSection2007::read_data_page(const uint8_t* data, uint8_t* dest, int64_t page_size,
	int64_t size_comp, int64_t size_uncomp)
{
	int64_t pesize = ((size_comp + 7) & ~7);
	int64_t block_count = (pesize + 250) / 251;
	int64_t pedata_size = block_count * 251; //0xFB

	uint8_t* pedata = new uint8_t[pedata_size];
	reed_solomon_decode(pedata, data, block_count, 251, page_size);

	if (size_comp < size_uncomp)
	{
		CCompressedData2007 comp(pedata, size_comp, size_uncomp);
		comp.decompress(dest);
	}
	else
		memcpy(dest, pedata, size_uncomp);
	delete[] pedata;

	return dest;
}

嗯，2007的结构性解析到这里就算结束了。除了RS编码和解压算法不同外，与2004的结构基本类似。不知道什么原因，此格式只存活了这一届，之后Autodesk就回去找旧爱2004继续缠绵。