“ XML往返”對Word 2003文檔有什么影響？

Question

將Word 2003文檔保存為XML，然后再保存為XML，可以減小文件大小，並且可能還有更多我不知道的文件。 新文檔的WordML與舊文檔的差異僅顯示修訂版保存ID的差異。 那么， 往返過程中丟失了什么？

如果實際上什么都沒有丟失，那么如何解釋文件大小的數千字節呢？

Answer 1

以下只是一個猜測。

.doc文件實際上是OLE結構化的存儲 復合文件 。 后者是一種以明確定義的方式將多個流打包到單個文檔中的方法，並且該結構實際​​上非常接近文件中的文件系統-例如，它具有“扇區”和扇區分配表。 這種方法可以在不完全重寫的情況下就地編輯文檔文件。

但是，這種存儲方法會導致一些冗余，例如未使用的扇區。 往返文件時，可以有效地從頭開始重新創建它，因此可以消除任何此類冗余存儲偽像。

Answer 2

據我所知，Word除了在DOC文件中存儲文本和格式外，還存儲一些信息，例如用戶信息，文檔歷史記錄中的某些內容等。使用“文件>保存”時，這些信息會累積。 我想將其另存為XML並將其另存為DOC會刪除該信息。

如果我沒記錯的話，簡單的“另存為”已經減小了文件大小，並且我認為曾經有一些菜單項允許您保存比“文件>保存”版本小得多的DOC文件版本。 。

Answer 3

如果在十六進制編輯器中查看word文檔（.doc），您會發現有很多冗余的零塊。 很棒的格式，文檔！

無論如何，先保存為XML，然后再保存為doc，可能會擺脫掉數千個零字節。

如果您真的很好奇，只需在十六進制編輯器中打開兩個文件並運行差異算法，可以嘗試使用Hex Workshop和Hex Editor Neo。

Answer 4

我對一些較大的Word 2003文檔進行的實驗表明，將其另存為XML，然后另存為.doc，確實會導致文件稍小（但不是很大）。 如您所指出的那樣，rsidR屬性是不同的，但這並不能說明大小的減小，因為新的rsidR通常是相同的大小。

正如Danra所指出的，.doc文件的運行字節相同。 但是保存為.doc的較小文件也具有這種運行方式，因此我認為這是.doc二進制格式的產物，而不是攜帶信息的數據。 我盯着幾個往返的.doc文件，根本看不出外觀上的差異，支持這種差異不承載信息的想法。

檢查往返后創建的XML文件，顯示的主要區別是轉換為XML后沒有內容的幾個rPr（運行屬性）被刪除。 似乎可以節省下來，因為XML會刪除未使用的字符樣式和屬性。