PDF 文件格式基本结构

最新推荐文章于 2024-08-30 14:57:41 发布

lacoucou

最新推荐文章于 2024-08-30 14:57:41 发布

阅读量5.9k

点赞数 4

分类专栏：文件格式文章标签： PDF 文件格式

本文链接：https://blog.csdn.net/lacoucou/article/details/114638913

版权

PDF是一种可移植的文档格式，包含了文本、图像等丰富内容。本文深入解析了PDF的基本结构，包括Header、Body、xref table、Trailer，以及增量更新机制。PDF文件的数据类型包括直接和间接对象，如字典、数组、字符串等。同时，介绍了Document catalog、Page tree等关键部分，展示了如何在PDF中组织和访问页面。PDF支持增量更新，允许在不重写整个文件的情况下进行内容更改。

摘要由CSDN通过智能技术生成

参考:https://resources.infosecinstitute.com/topic/pdf-file-format-basic-structure/

PDF是一种可移植的文档格式，可用于显示包含文本，图像，多媒体元素，网页链接等内容。PDF文件格式规范链接：https://opensource.adobe.com/dc-acrobat-sdk-docs/。官方链接中仅仅文件格式的文档就有800多页，因此通读该文档并不是意见容易的事。

PDF不仅具有文本功能，还具有更多的功能：它可以包含图像和其他多媒体元素，受密码保护，执行JavaScript等。下图显示了PDF文件的基本结构：

下文中[]中的内容为上图中的结构体。

Header

[PDFHeader]这是PDF文件的第一行，它指定文档使用的所用PDF规范的版本号.此处PDF文档版本为1.7.

[PDFComment] 这部分是PDF文档的注释部分

Body

在PDF文档的正文中，有一些对象通常包括文本流，图像，其他多媒体元素等。“正文”部分用于保存所有显示给用户的文档数据。
即[PDFObj] sPdfObj[0]-sPdfObj[12]都是Body部分。

xref table

这是交叉引用表，其中包含对文档中所有对象的引用。交叉引用表的目的是允许它随机访问文件中的对象，因此我们无需阅读整个PDF文档即可找到特定的对象。每个对象由交叉引用表中的一个条目表示，该条目始终长20个字节。让我们来看一个例子：

xref
0 14
0000000000 65536 f
0000000017 00000 n
0000000066 00000 n
0000000122 00000 n
0000000258 00000 n
0000000367 00000 n
0000000500 00000 n
0000000831 00000 n
0000001013 00000 n
0000001197 00000 n
0000010222 00000 n
0000010294 00000 n
0000010366 00000 n
0000010431 00000 n

我们可以通过使用文本编辑器简单地打开PDF并滚动到文档底部来显示PDF文档的交叉引用表。

0 14

这行中的第一个数字0对应于对象编号，而第二列显示当前子节中的对象数量14。

0000000000 65536 f
0000000017 00000 n
0000000066 00000 n

。。。。。。

每个对象由一个条目表示，该条目长20个字节（包括CRLF）。

前10个字节是对象从PDF文档开始到该对象开始的偏移量。接下来是一个空格分隔符，其中另一个数字指定对象的世代号。之后，还有另一个空格分隔符，后跟字母“ f”或“ n”以指示对象是空闲的还是正在使用的。

Trailer

PDF Trailer 指定读取PDF文档的应用程序应如何找到交叉引用表和其他特殊对象。所有PDF阅读器都应从文件末尾开始阅读PDF。以下是一个Trailer示例：

trailer
<<
/Root 1 0 R
/Info 3 0 R
/Size 14/ID[<EA61F2FE98704E5009E01A59031F93DD><EA61F2FE98704E5009E01A59031F93DD>]>>
startxref
10750
%%EOF

PDF文档的最后一行包含“ %% EOF”文件字符串的结尾。在文件标记末尾之前，有一行带有startxref字符串的行，用于指定从文件开头到交叉引用表的偏移量。在此例中，交叉引用表从偏移量10750字节开始。在此之前是Trailer字符串，用于指定当前部分的开始。此节的内容嵌入在<<和>>字符内（这是一个接受键值对的字典）。

我们可以看到此部分定义了几个键，每个键用于一个特定的动作。此部分指定以下键：

/ Size [integer]：指定交叉引用表中的条目数（也对更新部分中的对象进行计数）。使用的号码不应是间接引用。
/ Prev [integer]：指定从文件开头到上一个交叉引用节的偏移量，如果有多个交叉引用节，则使用此偏移量。该数字应为交叉引用。
/ Root [dictionary]：指定文档目录对象的引用对象，这是一个特殊对象，其中包含指向不同种类的其他特殊对象的各种指针（稍后会对此进行更多介绍）。
/ Encrypt [dictionary]：指定文档的加密字典。
/ Info [dictionary]：指定文档信息字典的参考对象。
/ ID [array]：指定由两个字节的未加密字符串组成的数组，这些字符串构成文件标识符。
/ XrefStm [integer]：指定从文件开头到解码流中的交叉引用流的偏移量。这仅存在于混合引用文件中，如果我们也想打开文档，即使应用程序不支持压缩的参考流，也可以指定该文件。

我们必须记住，如果以后再更新PDF文档，则可以修改初始结构。该更新通常在文件末尾附加其他元素。