<?php
// Чтение текста из PPT
// Версия 0.3
// Автор: Алексей Рембиш a.k.a Ramon
// E-mail: alex@rembish.ru
// Copyright 2009

// Чтобы работать с doc, мы дожны уметь работать с WCBFF не так ли?
require_once "cfb.php";

class ppt extends cfb {
    public function parse() {
        parent::parse();

        // В файле обязан быть поток Current User.
        $cuStreamID = $this->getStreamIdByName("Current User");
        if ($cuStreamID === false) { return false; }

        // Получаем этот поток, проверяем хеш (а перед нами ли PowerPoint-презентация?) 
        // и читаем смещение до первой структуры UserEditAtom
        $cuStream = $this->getStreamById($cuStreamID);
        if ($this->getLong(12, $cuStream) == 0xF3D1C4DF) { return false; }
        $offsetToCurrentEdit = $this->getLong(16, $cuStream);

        // Находим в файле поток PowerPoint Document.
        $ppdStreamID = $this->getStreamIdByName("PowerPoint Document");
        if ($ppdStreamID === false) { return false; }
        $ppdStream = $this->getStreamById($ppdStreamID);

        // В нём начинаем искать все UserEditAtom'ы, которые требуются нам для получения
        // смещений до PersistDirectory.
        $offsetLastEdit = $offsetToCurrentEdit;
        $persistDirEntry = array();
        $live = null;
        $offsetPersistDirectory = array();
        do {
            $userEditAtom = $this->getRecord($ppdStream, $offsetLastEdit, 0x0FF5);
            $live = &$userEditAtom;
            array_unshift($offsetPersistDirectory, $this->getLong(12, $userEditAtom));
            $offsetLastEdit = $this->getLong(8, $userEditAtom);
        } while ($offsetLastEdit != 0x00000000);

        // Перебираем все полученные смещения. До этого здесь была *серьёзная* ошибка.
        for ($j = 0; $j < count($offsetPersistDirectory); $j++) {
            $rgPersistDirEntry = $this->getRecord($ppdStream, $offsetPersistDirectory[$j], 0x1772);
            if ($rgPersistDirEntry === false) { return false; }

            // Теперь читаем по четыре байта: первые 20 бит - это начальный ID вхождения в PersistDirectory,
            // следующие 12 - количество последующих смещений.
            for ($k = 0; $k < strlen($rgPersistDirEntry); ) {
                $persist = $this->getLong($k, $rgPersistDirEntry);
                $persistId = $persist & 0x000FFFFF;
                $cPersist = (($persist & 0xFFF00000) >> 20) & 0x00000FFF;
                $k += 4;

                // Заполняем массив PersistDirectory, исходя из полученных данных.
                for ($i = 0; $i < $cPersist; $i++) {
                    $offset = $this->getLong($k + $i * 4, $rgPersistDirEntry);
                    $persistDirEntry[$persistId + $i] = $this->getLong($k + $i * 4, $rgPersistDirEntry);
                }
                $k += $cPersist * 4;
            }
        }

        // В последней прочитанной записи ищем ID вхождения с DocumentContainer'ом.
        $docPersistIdRef = $this->getLong(16, $live);
        $documentContainer = $this->getRecord($ppdStream, $persistDirEntry[$docPersistIdRef], 0x03E8);

        // Теперь нам нужно пропустить много мусора до SlideList'а.
        $offset = 40 + 8;
        $exObjList = $this->getRecord($documentContainer, $offset, 0x0409);
        if ($exObjList) $offset += strlen($exObjList) + 8;
        $documentTextInfo = $this->getRecord($documentContainer, $offset, 0x03F2);
        $offset += strlen($documentTextInfo) + 8;
        $soundCollection = $this->getRecord($documentContainer, $offset, 0x07E4);
        if ($soundCollection) $offset += strlen($soundCollection) + 8;
        $drawingGroup = $this->getRecord($documentContainer, $offset, 0x040B);
        $offset += strlen($drawingGroup) + 8;
        $masterList = $this->getRecord($documentContainer, $offset, 0x0FF0);
        $offset += strlen($masterList) + 8;
        $docInfoList = $this->getRecord($documentContainer, $offset, 0x07D0);
        if ($docInfoList) $offset += strlen($docInfoList) + 8;
        $slideHF = $this->getRecord($documentContainer, $offset, 0x0FD9);
        if ($slideHF) $offset += strlen($slideHF) + 8;
        $notesHF = $this->getRecord($documentContainer, $offset, 0x0FD9);
        if ($notesHF) $offset += strlen($notesHF) + 8;

        // Избавляемся от прочитанного мусора.
        unset($exObjList, $documentTextInfo, $soundCollection, $drawingGroup, $masterList, $docInfoList, $slideHF, $notesHF);

        // Читаем структуру SlideList.
        $slideList = $this->getRecord($documentContainer, $offset, 0x0FF0);
        $out = "";
        for ($i = 0; $i < strlen($slideList); ) {
            // Читаем текущий блок и определяем, что нам делать по его типу.
            $block = $this->getRecord($slideList, $i);
            switch($this->getRecordType($slideList, $i)) {
                case 0x03F3: # RT_SlidePersistAtom
                    // Вариант худший, если перед нами указатель на слайд, тогда мы должны
                    // обратиться к PersistDirectory для получения этого слайда.
                    $pid = $this->getLong(0, $block);
                    $slide = $this->getRecord($ppdStream, @$persistDirEntry[$pid], 0x03EE);

                    // Опять пропускаем всякое-разное до структуры Drawing.
                    $offset = 32;
                    $slideShowSlideInfoAtom = $this->getRecord($slide, $offset, 0x03F9);
                    if ($slideShowSlideInfoAtom) $offset += strlen($slideShowSlideInfoAtom) + 8;
                    $perSlideHFContainer = $this->getRecord($slide, $offset, 0x0FD9);
                    if ($perSlideHFContainer) $offset += strlen($perSlideHFContainer) + 8;
                    $rtSlideSyncInfo12 = $this->getRecord($slide, $offset, 0x3714);
                    if ($rtSlideSyncInfo12) $offset += strlen($rtSlideSyncInfo12) + 8;

                    // Drawing - это объект MS Drawing, который имеет подобную PPT заголовочную структуру.
                    // Чтобы не разбирать все возможные вложения структур одна в другую, поищем текст напрямую.
                    $drawing = $this->getRecord($slide, $offset, 0x040C);
                    $from = 0;
                    while(preg_match("#(\xA8|\xA0)\x0F#", $drawing, $pocket, PREG_OFFSET_CAPTURE, $from)) {
                        $pocket = @$pocket[1];
                        // Обязательно проверим, что заголовок блока начинается с двух "нулей", иначе возможно мы 
                        // нашли что-то в середине других данных.
                        if (substr($drawing, $pocket[1] - 2, 2) == "\x00\x00") {
                            // Читаем либо Plain текст, либо Unicode.
                            if (ord($pocket[0]) == 0xA8)
                                $out .= htmlspecialchars($this->getRecord($drawing, $pocket[1] - 2, 0x0FA8))." ";
                            else
                                $out .= $this->unicode_to_utf8($this->getRecord($drawing, $pocket[1] - 2, 0x0FA0))." ";
                        }
                        // Ищем следующее вхождение
                        $from = $pocket[1] + 2;
                    }
                break;
                case 0x0FA0: # RT_TextCharsAtom
                // Варианты по проще: мы нашли Unicode-символьное вхождение
                    $out .= $this->unicode_to_utf8($block)." ";
                break;
                case 0x0FA8: # RT_TextBytesAtom
                // Или обычный читый текст.
                    $out .= htmlspecialchars($block)." ";
                break;
                # some other skipped
            }

            // Сдвигаемся на длину блока с заголовком.
            $i += strlen($block) + 8;
        }

        // Возвращаем UTF-8 текст.
        return html_entity_decode(iconv("windows-1251", "utf-8", $out), ENT_QUOTES, "UTF-8");
    }

    // Дополнительная функция, определяющая длину текущей внутренней структуры.
    // Принимает на вход поток, из которого получать данные, смещение, по которому
    // их читать и тип структуры, по которому проверять читаем ли мы правильную информацию.
    private function getRecordLength($stream, $offset, $recType = null) {
        $rh = substr($stream, $offset, 8);
        if (!is_null($recType) && $recType != $this->getShort(2, $rh))
            return false;
        return $this->getLong(4, $rh);
    }
    // Получение типа текущей структуры в соответствии с "прейскурантом" от MS.
    private function getRecordType($stream, $offset) {
        $rh = substr($stream, $offset, 8);
        return $this->getShort(2, $rh);
    }
    // Получение записи из потока по смещению, возможно заданного типа. Внимание, заголовок
    // назад не передаётся.
    private function getRecord($stream, $offset, $recType = null) {
        $length = $this->getRecordLength($stream, $offset, $recType);
        if ($length === false)
            return false;
        return substr($stream, $offset + 8, $length);
    }
}

// Для тех, кому не нужны классы :)
function ppt2text($filename) {
    $ppt = new ppt;
    $ppt->read($filename);
    return $ppt->parse();
}