使用Office.js获取文档哈希值的结果一致性问题问询

核心结论 #

对getFileAsync(Office.FileType.Compressed)返回的字节计算得到的哈希值，几乎不可能和磁盘原文件的直接哈希结果一致，该方法返回的字节并不是原文件的原始字节快照。

差异原因 #

• 该方法读取的是当前Office应用内存中加载的文档副本，而非直接读取磁盘文件的原始字节：如果用户打开文件后做了未保存的修改，返回的字节会直接包含这些改动，和磁盘文件自然存在差异。
• 即便用户没有做任何编辑操作，Office导出压缩文件时也会做额外的标准化处理：内部XML元数据的字段顺序调整、会话级临时属性（如最近打开时间、临时编辑标识）更新、压缩算法参数（压缩级别、字典大小等）和原文件存储时的参数可能不同，这些都会导致最终生成的压缩包字节和原文件存在差异，哪怕文档核心内容完全一致。

可选替代方案 #

如果需要实现文档内容一致性校验，建议跳过压缩包本身的字节校验，直接提取压缩包内的核心业务内容计算哈希：比如docx格式提取word/document.xml、xlsx格式提取xl/worksheets/下的工作表内容、pptx格式提取ppt/slides/下的幻灯片内容，忽略无关的元数据字段后再做哈希运算，得到的结果稳定性会更高。

内容的提问来源于stack exchange，提问作者Jan Martin