PDF数据类型

实际一个PDF文件是很复杂的，了解PDF文件的物理结构，就可以提取出一个一个的对象了；PDF中的数据类型有8种：

1、booleam

用关键字true或false表示,可以是array对象的一个元素,或dictionary对象的一个条目.也可以用在PostScript计算函数里面，做为if或ifesle的一个条件。

2、numeric

包括整形和实型,不支持非十进制数字,不支持指数形式的数字.

例:  
1. 整数 123 4567 +111 -2        
范围:正2的31次方-1到负的2的31次方 

2. 实数 12.3 0.8 +6.3 -4.01 -3. +.03  
范围:±3.403×10的38次方 至 ±1.175×10的-38次方  

注意:如果整数超过表示范围将转化成实数,如果实数超过范围就出错了   

3、string

由一系列0-255之间的字节组成,一个string总长度不能超过65535.string有以下两种方式:

直接字串

由()包含起来的一个字串，中间可以使用转义符"/"；

(abc) 表示abc  
(a//) 表示a/

转义符的定义如下：

转义字符	含义
/n	换行
/r	回车
/t	水平制表符
/b	退格
/f	换页（Form feed (FF)）
/(	左括号
/)	右括号
//	反斜杠
/ddd	八进制形式的字符

十六进制字串

由<>包含起来的一个16进制串，两位表示一个字，不足两位用0补齐

<Aabb> 表示AA和BB两个字符
<AAB> 表示AA和B0两个字符

4、name

由一个前导/和后面一系列字符组成，最大长度为127；和string不同的是，name是不可分割的和唯一的，不可分割就是说一个name对象就是一个原子，比如/name，不能说n就是这个name的一个元素；唯一就是指两个相同的name一定代表同一个对象；从pdf1.2开始，除了ACSII编码“0”外，其他的ACSII编码都可以用一个#加两个十六进制的数字表示

/name 表示name  
/name#20is 表示name is  
/name#200 表示name 0 

5、array

用[]包含的一组对象，可以是任何PDF对象(包括array)；虽然PDG只支持一维array，但可以通过array的嵌套实现任意维数的array(但是一个array的元素个数不能超过8191)

[549 3.14 false (Ralph) /SomeName [1 2 3]]   

6、dictionary

用"<<“和”>>"包含的若干组条目，每组条目都由key和value组成，其中key必须是name对象，并且一个dictionary内的key必须是唯一的，value可以是任何PDF的合法对象(包括dictionary对象)

<</IntegerItem 12   
 /StringItem (a string)  
 /Subdictionary  
 <</Item1 0.4/Item2 true/LastItem (not!)/VeryLastItem (OK)>>  
>> 

7、stream

由一个字典，和紧跟其后面的一组关键字stream和endstream以及这组关键字中间包含一系列字节组成；内容和string很相似，但有区别在于，stream可以分几次读取，分开使用不同的部分，string必须作为一个整体一次全部读取使用，string有长度限制，但stream却没有这个限制，一般较大的数据都用stream表示；

需要注意的是，Stream必须是间接对象，并且stream的字典必须是直接对象。从1.2规范以后，stream可以以外部文件形式存在，这种情况下，解析PDF的时候stream和endstream之间的内容就被忽略掉。

dictionary
stream
… data …
endstream

字典相关属性描述参考“PDF文件结构”中的“数据流相关属性描述”；

8、NULL

用null表示，代表空；如果一个key的值为null，则这个key可以被忽略；如果引用一个不存在的object则等价于引用一个空对象

划分规则

以上八种对象是按照对象内涵来分的，如果按照对象的使用规则来说，对象又分为间接对象和直接对象。间接对象是PDF中最常用的对象，如前面对象集合里面的，所有对象都是间接对象，在其他位置通过R关键字来引用，在交叉引用表里面都是通过间接对象来引用的。直接对象就更好理解了，上面的8种对象单独出现的时候就叫直接对象。