由于添加了元数据，SharePoint首次保存时会更改MS Office文件的大小。可以确认内容没有改变？

Question

假设我们将一组MS Office文件从一个共享驱动器迁移到SharePoint（例如SharePoint Online）。仅限于Office 2007以上版本，因此文件扩展名如DOCX，XLSX。

我们发现，当文件保存到SharePoint时，文件的大小会发生变化 - 因为添加了某些元数据。 （尽管非MS Office文件（如PDF或JPEG）的文件大小不会更改）。

这些MS Office文件是“容器”，其中放置了许多组件部分 - 通过将XLSX文件的扩展名（比如说）更改为ZIP并使用WinZip打开它，可以粗略地查看这种情况。

出于良好的声音完整性原因，我们希望确保“文件内容”组件部分没有改变。

我们如何识别代表内容的容器内的组件部分？ 这些组件在按照描述保存到SharePoint时是不变的吗？

如果是这样，是否有任何工具可以分析一对这样的文件并确认内容是相同的，或者它是否已被更改？是否可能有一些校验和，我们可以从这两个文件中生成并进行比较。

如果没有这样的工具存在，哪种环境最适合创建它？ - 可以在VB.NET和/或C＃中完成吗？

谢谢。

此前一篇文章涉及同一问题，但不提供我们需要的那种答案。 C# - Hash contents of MS Office documents without metadata

Answer 1

有趣的话题。 我们如何识别代表内容的容器内的组件部分？

，你需要评估每个内容文件的DOCX内。请注意，docx中的文件是使用deflate压缩的。所以你可能不得不夸大它们。这不仅是document.xml和document.xml.rels文件，还包括： - 标题xml文件（可以多于1） - 标题.rels文件 - 页脚xml文件（也是多个文件） - 页脚的.rels文件） - 媒体文件（含图片）

你甚至可以检查core.xml文件，如果的SharePoint性能降级改变如标题字段。

总之，您不能比较docx级别的docx文件。您需要解压缩它们并比较（使用例如CRC32或MD5）每个“内容”文件。

我不知道提供此功能的实用程序。

注意：如果您只是需要将文件上传到SharePoint进行归档，那么将它们放入单独的zip文件中可能是另一种选择。如果您只需存储内容并且不希望用户进行任何更改，则这当然只是一种选择。

Paul