PDF源文件浅析

 

应该项目需要，初步研究了一下 PDF 的格式，打算和大家分享一下，如果有想做 PDF 或 PDF 阅读器开发的同学们，可以看看。

 

 

PDF 格式规范，语法简洁。但初次查看 PDF 却容易给人错觉 ——PDF 的二进制流太多了，原本清晰的数据格式被杂乱无章的二进制流给淹没了。

 

例如：

 

stream
5di?倯? 貓?匚{o绝幾Te:馎HG
嵶?W}?妮雥??隱q?屸鷭鴊狳!赭€?鼜 ??烖K柽z煜?w? ??鴚¬D¬h?斜?醱釓?x?i佲匃???灗  Iu叁剪?
…………………………

 

 

像这样一大堆乱码的东西很多，所以，心理上无法耐心的继续看下去。

 

 

实际上 PDF 就是由四部分组成：

 

 

 

 

数据流的读写操作一般是从文件末尾开始的：

 

 

 

 

PDF 所有的数据类型都是 obj ，强调的也是一切皆对象。我简要的把 PDF 常见的几种数据类型给大家说说：

 

注意“ % ”表示注释

1.       Boolean Objects ：只有 true 和 false

2.       Numeric Objects ：

l         整型： 123

l         浮点型 -43.54 ， 6.02E23

3.  String Objects ：

l         文字型，用圆括号括起来，如： (Hello World)

l         十六进制型，用尖括号括起来，如： <901FA3> 分别为 90 ， 1F ， A3

4.  Name Objects ：除 null 以外的任意 8 位字符组成的字符串，出现在 PDF 中，用“ / ”作前导符号，如： /Name1 。其实这与编程中的常量很类似。

5.  Array Objects ： PDF 中的数组用方括号“ [] ”括起来，里面的数据可以完全不相同，如： [549 3.14 false (Ralph) /SomeName] 该数组里面分别装有 5 种不同的类型。

 

6.        Dictionary Objects ：其实就类似于 Java 的 Map 对象——即以 key ， value 的形式成对出现。用的时候要用“ <<…>> ”把 key， value 括起来。例如： <</Name (leo) >> 表示 key 为“ name ”的 Name Objects ，而 value 为“ leo ”字符串。 <<>> 内部也可以嵌套使用，在 PDF 源文件中应用的非常广泛。

7.        Stream Objects ：顾名思义，肯定有流有关。这就是 PDF 中专门用于存放二进行流的对象。 PDF 的实现者对 String Objects 通常会做限制，但是 Stream Objects 却没有这样的限制。因此 stream object 用在图片，页面描述信息上是非常的适合的。

看看使用示例：

 

 

7 0 obj                     %某一个Image类型的对象
<<
/Type /XObject
/Subtype /Image
/Name /Im7
/Width 189
/Height 189
/BitsPerComponent 8
/ColorSpace [/Indexed /DeviceRGB 255 …>]
/Mask [255 255]
/Length 3832
/Filter /FlateDecode
>>                      %紧接着这个对象定义后的Dictionary Objects对象后面
stream                  %定义它的Stream Objects
%这里放二进制流
endstream

 

 

 

8.        Null Object ：区别与其它任何对象，用关键字 null 标注的对象就是 null object 。

9.        Indirect Objects ：当然就是类似 Java 中的“引用”概念啦，举个例子就说明一切了。

 

 

7 0 obj                 %有一个索引号为7 0的对象
<< /Length 8 0 R >>   % 在它的Length属性引用了一个索引号为8 0的对象
　　　　　　　　　　　　　%在这里“8 0 R”表示对8 0的对象引用(Reference)
stream
………….
endstream
endobj


8 0 obj             %被上面7 0对象所引用的那个索引号为8 0的对象
77                  %7 0对象的二进制流的长度
endobj

 

 

注意：   obj …… endobj PDF 文档组成的最小 组成部分。表示一个完整对象的定义

 

 

 

 

够了，说了这么多，让我们实战吧。现在我们来看一个完整的示例，该示例可以在附件中下载。看的时候，可以按照下面的步骤一步一步来分析 PDF 源文件：

 

 

 

%PDF-1.3
%
2 0 obj                                 %2 0 obj，里面是一些PDF的基本信息。比如
<<
/CreationDate (D:20081029093606+08'00')　　%创建时间
/ModDate (D:20081029093606+08'00')      　 %最后修改时间
/Producer (leo 4.30 \(0615\))　　　　　　　　%创建人
/Creator (easyPDF SDK 4.3)　　　　　　　　%制作人
>>　　　　　　　　　　　　　　　　　　 %你还可以自由的编写任何信息
endobj

1 0 obj
<<
/Count 0
>>
endobj

3 0 obj                                 %这是PDF的根结点(不是起始位置)
<<
/Type /Catalog
/Pages 4 0 R                                %这是所有页面的集合，我们主要关心这个
/Outlines 1 0 R
>>
endobj

7 0 obj
<<
/Type /XObject
/Subtype /Image
/Name /Im7
/Width 189
/Height 189
/BitsPerComponent 8
/ColorSpace [/Indexed /DeviceRGB 255 <%这里放每个像素点的值>]
/Mask [255 255]
/Length 3832
/Filter /FlateDecode
>>