PDF格式详解

转自[url]http://blog.csdn.net/bobob/archive/2006/05/23/751381.aspx[/url]

pdf(Portable Document Format,便携式文档结构)是一种很有用的文件格式,其最大的特点是
平台无关而且功能强大(支持文字\图象\音乐\视频).今天先讲一下pdf的文件(物理)结构
PDF文件结构可分为以下几块:
1.header:
pdf文件的第一行,格式如下:

%PDF-1.3

表示当前文件的版本是1.3(目前最高版本为1.5)

2.body:
pdf文件中用到的所有对象,包括文本\图象\音乐\视频\字体\超连接\加密信息等等,格式如下:

2 0 obj
...
end obj

其中省略号部分是pdf规定的任意合法对象(一共8种)

3.cross reference table:
所有pdf对象的引用表,其格式如下:

xref
0 5
0000000000 65535 f
0000000009 00000 n
0000000074 00000 n
0000000120 00000 n
0000000179 00000 n

其中,xref是开始标志,表示以下为引用表内容;0 5表示从对象号为0的开始,
连续有5个对象(0,1,2,3,4),分别用5行来表示.每行的前10个数字代表这个
这个对象相对文件头的偏移地址,后面5个数字只有当这个对象被删除的时
候才有用,表示这个对象被删除后又被重新生成后的对象号最后一位f或n表
示对象是否被使用(n表示使用,f表示被删除或没有用)

4.trailer:
整个pdf文件的入口点,形式如下:
trailer
<<
/Size 8
/Root 1 0 R
>>
startxref
553
%%EOF

/size :这个pdf中总共使用了多少个对象
/root :这个pdf文件的catalog对象的对象号,这是pdf中最顶层的对象
/startxref: 后面的数字表示cross reference table的开始位置
/%%EOF :文件结束符.

实际一个pdf文件是很复杂的,但是上面几个部分是确定的,只能多不能少.下一讲我说一下pdf里面8种类型.

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.

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 ±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:
1)由()包含起来的一个字串,中间可以使用转义符"\".
例:
(abc) 表示abc
(a\\) 表示a\
2)由<>包含起来的一个16进制串,两位表示一个字符,不足两位用0补齐
例:
<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ascii的0,别
的都可以用一个#加两个十六进制的数字表示.
例:
/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pdf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的元素不能超过8191)
例:
[549 3.14 false (Ralph) /SomeName]
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是唯一的;value可以是任何pdf的合法对象(包括dictionary对象).
例:
<< /IntegerItem 12
/StringItem (a string)
/Subdictionary << /Item1 0.4
/Item2 true
/LastItem (not!)
/VeryLastItem (OK)
>>
>>
7.stream
由关键字stream和endstream包含一系列字节.内容和string很相似,但有区别: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.
例:(略)
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．
例:(略)

给大家说点有用的东西：为什么有的pdf不允许打印？
pdf有自己的加密措施，其中就有限制打印．
找到trailer，如果这个pdf是加密的话会有一个/Encrypt的name，他的值一般形式是n 0 R，表示这个pdf
文件的加密信息在n 0这个obj里面记录．找到这个obj，其下有一个/P的name，他的值是一个数字(32位)
其中第三位代表是否有打印权限:)

由于pdf的特殊文件结构，注定pdf的生成是一件很麻烦的事情。目前最常用的就是adobe公司提供的sdk了，但是由于其依赖与adobe的环境，所以使用起来不是很方便。在这里我给大家介绍另外一种方法——使用pdflib生成pdf。

pdflib也提供了一组sdk，但和adobe的sdk相比，pdflib很小，但功能却一点也不弱。所以对于开发者来说，pdflib是一个明智的选择。你可以从下面的网址得到到它：
http://www.pdflib.com/products/pdflib/download/index.html。如果你没有得到序列号，那么生成的pdf将会加上水印，其他功能和商业版一样。
另外你还可以从下面网址得到pdflib-lite版：
http://www.pdflib.com/products/pdflib/download-source.html
pdflib-lite使用协议：
http://www.pdflib.com/purchase/license-lite.html
和pdflib相比，pdflib-lite最大的特点就是你可以拥有完全的源代码，但功能不如pdflib全面，比如支持的字体要比pdflib少很多。但是，如果你对pdf文件本身很了解的话，你完全可以在pdflib-lite的基础上再做发挥，这就要看你的c语言功底如何了。如果要用做商业产品，请仔细阅读授权协议！

下载pdflib压缩包（大约6m）后，在pdflib文件夹下有pdflib.dll，pdflib.lib，pdflib.h，pdflib.reg。对于我们来说，只要有前3个文件就可以了。
下面是一个生成pdf的完整代码：

#include <stdio.h>
#include <stdlib.h>

#include "pdflib.h"

int
main(void)
{
PDF *p;
int font;

/* create a new PDFlib object */
if ((p = PDF_new()) == (PDF *) 0)
{
printf("Couldn't create PDFlib object (out of memory)!\n");
return(2);
}

PDF_TRY(p) {
if (PDF_begin_document(p, "hello.pdf", 0, "") == -1) {
printf("Error: %s\n", PDF_get_errmsg(p));
return(2);
}

/* This line is required to avoid problems on Japanese systems */
PDF_set_parameter(p, "hypertextencoding", "host");

PDF_set_info(p, "Creator", "hello.c");
PDF_set_info(p, "Author", "Thomas Merz");
PDF_set_info(p, "Title", "Hello, world (C)!");

PDF_begin_page_ext(p, a4_width, a4_height, "");

/* Change "host" encoding to "winansi" or whatever you need! */
font = PDF_load_font(p, "Helvetica-Bold", 0, "host", "");

PDF_setfont(p, font, 24);
PDF_set_text_pos(p, 50, 700);
PDF_show(p, "Hello, world!");
PDF_continue_text(p, "(says C)");
PDF_end_page_ext(p, "");

PDF_end_document(p, "");
}

PDF_CATCH(p) {
printf("PDFlib exception occurred in hello sample:\n");
printf("[%d] %s: %s\n",
PDF_get_errnum(p), PDF_get_apiname(p), PDF_get_errmsg(p));
PDF_delete(p);
return(2);
}

PDF_delete(p);

return 0;
}
到现在，一个hello.pdf的pdf文件就生成了，你完全可以自己发挥，做出很复杂的pdf文件，这就看你的想象力了：）不过在发挥的时候要注意，pdf的坐标和我们通常理解的坐标是不一样的，屏幕坐标的原点在左上角，pdf文件的原点在左下脚。