今天比较深入的看了一下PDF的东西;大致了解了PDF对象->PdfObject,诸如name, dictionary, string, comment, null等等
读PDF是要从后往前遍历的;先找trailer-尾巴;然后根据startxref值确定xref-Cross reference起始位置;xref下面就是所有的obj的参照了,需要一个一个地解析
还是需要看adobe的PDF reference, 只有英文版,中文翻译的比较难找。迎着头皮看了一会PDF reference(1.4版的,因为手头的pdf似乎都是1.4的http://www.adobe.com/devnet/pdf/pdfs/PDFReference.pdf)。发现要解析PDF,转成html;即使只需要文本,也要对stream进行解码,这是最大的问题。头大!
在网上又乱看看,希望PDF之家上似乎有不少好东东.
http://www.pdfhome.com.cn/ArIndex.aspx
这篇似乎也不错
http://www.readfree.net/htm/200808/4633131.html
路漫漫其修远兮,吾将上下而求索..............