NTFS多流文件、结构化存储和摘要属性集合

原文地址：http://www.cnblogs.com/neoragex2002/archive/2007/07/25/831393.html

Question：首先是一个简单的应用问题。我曾经看过无数的文献。其实看文献无非就是为了归类和总结，如果看了不做总结，便相当于白看。可是做总结是个令人烦恼的过程。写纸上吧，不太好整理；以注释形式写在pdf里一并保存吧，那要查的时候还得一个个pdf打开了去找，多麻烦；用ReferenceManager或者是excel吧，那在复制文件的时候，我还得记得顺带copy一份xls或索引数据文件呢，同时还得在可能使用的每台机器上都装上烦人的索引管理软件，这简直令人如鲠在喉。有啥现成的整理文档的好办法没有？

Answer：用Windows自己提供的 NTFS文件属性页来进行文档整理最简单，这是我个人的一点小经验：）不管是何种类型的文件，都可以直接使用"文件属性"中的摘要页来记录注释，填起来也 方便快捷，同时也便于查看(用"详细信息"方式查看，然后右键勾选一下显示字段即可)；而且，如果使用的是NTFS的话，这些注释是跟着文件跑的，即，在 copy/cut文件的同时，这些信息也将被同时复制/剪切，这样便省事多了！

Question：OK，这个方法够简单。它有什么使用限制没有？还有，这些摘要数据究竟是存储在哪里的呢？它们不是保存在文件正文当中吗？或者，它们仅只是些文件的扩展属性而已？

Answer：唯一的限制就是这些添加了注释的文件必须保存在NTFS文件系统中。因为这些摘要信息是以NTFS文件的多流(Alternate Stream) 形式存储的，其并不保存在文件正文当中。这里简单介绍一下多流概念，它是NTFS文件系统的一个高级特性；在传统的文件系统中(如FAT32)，文件的内 容被抽象成为一个单一的数据流及其相应的读写指针，其好处是足够简单，但坏处便是不利于单一文件的读写共享，因为多个组件可能需要同时读写同一份文件，这 一问题其实很普遍，打个比方，有个doc文件，里面保存了文字内容和一个visio对象，用word打开它，然后双击visio图并开始编辑，实际上，此 时有两个组件在同时访问这个doc文件，一个是word，一个是visio，为了读取doc中的文字内容及visio对象内容，必须考虑其单一文件指针的 正确定位，否则就会乱套，因为此时文字数据和visio对象数据是存放在同一个数据流当中的。但在NTFS中，这事便好办了，因M$对NTFS中的文件数 据流概念进行了扩充，一份NTFS文件可以包含"多个"数据流，而每个数据流不仅可以单独命名，而且还拥有自己的指针和安全配置，甚至还可以进行独立的压 缩保存，这相当于一个NTFS文件里面又可以保存着多个通常意义上的子文件。这下我们保存、共享读取这个doc便方便了，直接将文字内容和visio对象 分别存为同一份文件的不同流即可，连读写同步的问题也解决了。

其实，上面这个例子便是COM中一个关于结构化存储(Structured Storage)和复合文档(Compound Documents) 的典型示例，而其技术动机正是为了解决单一复杂文档的读写共享问题，而且，这里我连其在NTFS系统中的底层实现也一并解释了：即，采用NTFS所提供的 多数据流特性，可以极大简化结构化存储及其复合文档技术的实现；其实在很大程度上，正是因为结构化存储技术提出了文件读写共享的需求，M$才专门在 NTFS中引入了多流特性的。

再回到我们的问题上来，便不难找到答案了：在NTFS文件系统中，额外的文件摘要信息均将以"串行化"(这个是通俗的比喻)的方式保存在文件的另外 一个数据流中，但并不跟其文件的正文处于同一个数据流。当我们将多流文件copy至FAT32文件系统上时，windows将会提示流数据丢失，因为 FAT32只支持单一的文件数据流，它只能保存一份文件正文的copy。说到这里，其实用FAT32(比方说U盘)的筒子们也不必过于担心，因为称手的WinRar已经考虑了多流拷贝丢失的情况：看下面的压缩选项，在勾选状态下，NTFS上被压缩文件的多流信息将会一并压缩到rar文件中。不过，当然，如果想读取多流的话，还是得将文件解压缩到NTFS盘上才行。

以下是一个查看NTFS文件多流信息的示例程序。

#include "stdafx.h"

#define WIN32_LEAN_AND_MEAN

#include <windows.h>
#include <ole2.h>
#include <assert.h>

WCHAR* StreamType[]=
{
    L"Data",        L"ExternalData",
    L"SecurityData",L"AlternateData",
    L"Link",        L"PropertyData",
    L"ObjectID",    L"ReparseData",
    L"SparseDock",
};

int _tmain(int argc, _TCHAR* argv[])
{
    BOOL ret;

    if (argc!=2) return -1;

    wprintf(L"NTFS Streams of <<%s>>n",argv[1]);
    wprintf(L"------------------------------------------------------------------------n");
    
    HANDLE hFile=CreateFile(argv[1],
        GENERIC_READ,
        FILE_SHARE_READ,
        NULL,
        OPEN_EXISTING,
        FILE_ATTRIBUTE_NORMAL,
        NULL);
    assert(hFile != INVALID_HANDLE_VALUE);
    
    BYTE bBuf[4096];
    WIN32_STREAM_ID* pwsi=(WIN32_STREAM_ID*)bBuf;

    DWORD dwReaded;
    LPVOID lpContext=0; //important!       

    for (;;)
    {
        ZeroMemory(bBuf,4096);
        ret=BackupRead(hFile,bBuf,20,&dwReaded,FALSE,TRUE,&lpContext);
        assert(ret!=0);

        if (dwReaded>0) 
        {
            WCHAR wszStreamName[MAX_PATH]; 
            ZeroMemory(wszStreamName,MAX_PATH*2);

            if (pwsi->dwStreamNameSize!=0)
                BackupRead(hFile, 
                    (LPBYTE) wszStreamName, 
                    pwsi->dwStreamNameSize, 
                    &dwReaded, 
                    FALSE, TRUE, &lpContext);                
            else
                wsprintf(wszStreamName,L"(unnamed)");
            
            wprintf(L"tName: [%s]n",wszStreamName);
            wprintf(L"tType: %sn", StreamType[pwsi->dwStreamId-1]);
            wprintf(L"tLength: %dn",pwsi->Size);        
            wprintf(L"------------------------------------------------------------------------n");

            DWORD lo,hi;    
            BackupSeek(hFile,pwsi->Size.LowPart,pwsi->Size.HighPart,&lo,&hi,&lpContext);
        } else
            break;
    }

    ret=CloseHandle(hFile);
    assert(ret!=0);

    return 0;
}

Question：hmm…明白了...那我是不是直接分析pdf/doc文件多流的二进制格式便能获取和修改所有的"文件摘要"信息了?

Answer：理论上是可以的，不过…嘿嘿…这个 二进制格式的分析可没那么容易搞定… 其实，这个编程读取/修改的问题也不一定非要从NTFS多流这一底层的通用机制来着手不可，因为线索我们已经有了：结构化存储。COM提供了专门的结构化 存储函数和接口来让我们规范化地访问这些摘要数据。这些信息在COM眼中，只是复合文档的若干Properties而已，而且，这些Properties 还被划分成为了若干独立的PropertySet。我们可以通过调用StgOpenStorageEx函数来打开一个文件，并获取一个IPropertySetStorage接口，再通过该接口来对一个固定的属性集来进行读写访问(比方说，像摘要、关键字这些属性便保存在一个名为SummaryInformation的属性集中)；同时，还可以对属性集进行自定义扩展，在其中保存任何自己所感兴趣的属性信息。

接下来，便是乏味的COM编程了…COM这个东西其实挺矛盾的，一方面，长久以来，大量厂家在其基础之上逐步实现了无数的类库及现成的、极有价值的 功能，而另一方面，其开发、应用起来实在是太烦冗，尤其是在托管环境中的使用，如果显式P/Invoke的话，一大堆声明、定义简直可以淹死人。不过，办 法总是有的…这里我偷了个懒，用C++/CLI中的C++ Interop(Implicit Pinvoke)实现了一个简单的控制台示例，哪位筒子有兴趣的话，还可以将其封装一下，当做个托管模块来重复利用呢…

#include "stdafx.h"
#include <ole2.h>

using namespace System;
using namespace System::Runtime::InteropServices;

static const GUID FMTID_SummaryInformation = 
{ 0xF29F85E0, 0x4FF9, 0x1068, { 0xAB, 0x91, 0x08, 0x00,0x2b, 0x27, 0xb3, 0xd9 } };

static const GUID FMTID_DocSummaryInformation = 
{ 0xD5CDD502, 0x2E9C, 0x101B, { 0x93, 0x97, 0x08, 0x00,0x2b, 0x2c, 0xf9, 0xae } };

static const GUID IID_IPropertySetStorage = 
{ 0x0000013A, 0x0000, 0x0000, { 0xc0, 0x00, 0x00, 0x00,0x00, 0x00, 0x00, 0x46 } };

const CHAR* SummaryPropertyName[]=
{
    "",                             "",
    "Title",                        "Subject",
    "Author",                       "Keywords",
    "Comments",                     "Template",
    "Last Saved By",                "Revision Number",
    "Total Editing Time",           "Last Printed",
    "Create Time//Date",            "Last saved Time//Date",
    "Number of Pages",              "Number of Words",
    "Number of Characters",         "Thumbnail",
    "Name of Creating Application", "Security"
};

void PrintAllSummaryInformation(IPropertySetStorage *pPropSetStg)
{
    HRESULT hr = S_OK;
    IPropertyStorage *pPropStg = NULL;

    hr=pPropSetStg->Open(FMTID_SummaryInformation, STGM_READ|STGM_SHARE_EXCLUSIVE, &pPropStg );
    if (FAILED(hr)) throw gcnew Exception(L"IPropertySetStorage::Open失败");

    PROPVARIANT propvarRead[5];
    PROPSPEC propspec[5]; 

    for (int i=0;i<5;i++) propspec[i].ulKind = PRSPEC_PROPID;
    propspec[0].propid = PIDSI_TITLE;
    propspec[1].propid = PIDSI_SUBJECT;
    propspec[2].propid = PIDSI_AUTHOR;
    propspec[3].propid = PIDSI_KEYWORDS;
    propspec[4].propid = PIDSI_COMMENTS;

    hr=pPropStg->ReadMultiple(5, propspec, propvarRead);
    if (FAILED(hr)) throw gcnew Exception(L"IPropertyStorage::ReadMultiple失败");
    if (S_FALSE==hr) throw gcnew Exception(L"所查询的所有属性值均不存在");

    for (int i=0;i<5;i++)
        if (propvarRead[i].vt==VT_LPSTR)
        {
            String^ msg=String::Format("{0}: {1}",
                Marshal::PtrToStringAnsi(IntPtr((void*)SummaryPropertyName[propspec[i].propid])),
                Marshal::PtrToStringAnsi(IntPtr(propvarRead[i].pszVal)));
            Console::WriteLine(msg);
        }

    for (int i=0;i<5;i++)
        PropVariantClear(propvarRead+i);

    if (pPropStg) pPropStg->Release();
    pPropStg = NULL;
}

int main(array<System::String ^> ^args)
{
    HRESULT hr = S_OK;
    IPropertySetStorage *pPropSetStg = NULL;

    if (args->Length!=1) return -1;
    IntPtr pFileName=Marshal::StringToBSTR(args[0]);

    try {
        hr = StgOpenStorageEx(
            (const WCHAR *)pFileName.ToPointer(),
            STGM_READ|STGM_SHARE_DENY_WRITE,
            STGFMT_ANY,
            0, NULL, NULL, 
            IID_IPropertySetStorage,
            reinterpret_cast<void**>(&pPropSetStg) 
        );
        if (FAILED(hr)) throw gcnew Exception(L"StgOpenStorageEx失败");

        PrintAllSummaryInformation(pPropSetStg);
    } catch (Exception^ pError) {
        Console::WriteLine(pError->ToString());
    } 

    Marshal::FreeBSTR(pFileName);

    if (pPropSetStg) pPropSetStg->Release();
    pPropSetStg=NULL;

    return 0;
}