令人窒息的複雜度#

微軟公開了 Office 二進位檔案格式的規格說明書，結果令人震驚：光是 Excel 97-2003 的格式就需要 349 頁 PDF 來描述。而且說明書中還特別註明：「每一個 Excel 工作簿都儲存在一個複合文件中」——這意味著單個檔案裡其實包含了一整個階層式檔案系統（hierarchical file system）。

普通程式員看到這些規格說明書，通常會得出以下（錯誤的）結論：

• 故意搞這麼複雜，不想讓人看懂
• 設計者是瘋狂的 Borg
• 不可能讀懂它們，也不可能做出正確的產品

這些結論全都錯了。Office 檔案格式的複雜性有其深刻的歷史與技術原因。

為什麼是二進位格式？#

二進位格式的設計目標與 HTML 等文字格式完全不同：

• 速度優先：早期 Excel 需要在 20MHz 的 80386 機器上流暢運行，記憶體只有約 1MB
• 磁碟直接映射記憶體：讀取一筆記錄就是從磁碟「快速傳送」幾個位元組到一個 C 語言結構體，無需任何詞法分析（lexing）或解析（parsing）
• 特殊的儲存優化：如 Excel 的「Simple Save」和 Word 的「Fast Save」，讓保存長文件從 30 秒縮短到 1 秒

歷史包袱的累積#

• 沒有考慮互通性（interoperability）：設計者假設 Word 格式只會被 Word 讀寫，不需要與其他軟體交換資料
• 必須反映應用程式的全部複雜性：Word 的每一個複選框、每一個格式選項，都必須在檔案格式中有對應的表示
• 向後相容的代價：為了相容舊版本，過時的功能依然保留在格式中，不會額外增加微軟的成本，但想完整解析就必須處理這些歷史遺跡

以 Excel 為例，工作表有兩種日期元年：1900 年 1 月 1 日（為了與 Lotus 1-2-3 相容，還包含一個閏年計算錯誤）和 1904 年 1 月 1 日（來自 Mac 版本）。要正確處理日期，你必須同時支援兩種格式。

實用的變通做法#

對於大多數應用場景，直接讀寫 Office 二進位格式是錯誤的選擇。Joel 提供了兩種替代方案：

方案一：讓 Office 為你幹髒活

• 透過 COM Automation 呼叫 Word/Excel 的完整物件模型
• 適用場景：Word 轉 PDF、操作 Excel 工作簿、填寫 Word 表格等
• 可在 IIS 環境中用 ASP/ASP.NET 呼叫，甚至可以透過負載平衡擴展

方案二：使用更簡單的檔案格式

• 純表格資料 → CSV 格式
• 需要計算功能 → WK1 格式（Lotus 1-2-3 格式，比 Excel 格式簡單得多）
• Word 文件 → HTML 格式 或 RTF 格式（非二進位，可直接編輯修改）
• 必須用 Excel 特有格式 → 找一個老版本（如 Excel 3.0），生成最小化的檔案

除非你真的想寫一個能與 Office 競爭的軟體，否則不要嘗試完整實作 Office 二進位格式——那相當於數千年的工作量。