PDF格式分析（十三）如何处理PDF文件破损问题

PDF文件破损，通常是一些非法操作造成的。PDF文件中有部分内容缺失，如xref，重要的object对象。

1、xref破损

确实解决这个问题，并不复杂，只需要从文件头开始读取对象，记录下对象号和对象起始偏移位置，重新建立xref（交叉引用表），将无效的简介引用置空值，就可以了，如果同一个间接对象出现多次，取最晚出现的那个为准。如果PDF文件是加密的，要先将加密对象进行解析，然后计算出密钥，用于其他对象的解密。

2、间接对象破损

间接对象通常是对象没有正常的结束符号，reader在进行该对象解析时，发生错误。
这种情况，如果没有损害到xref，问题也好解决，根据xref可以计算出每个间接对象其实偏移位置，在读取间接对象感觉异常的时候，判断一下当前位置是否超出了该对象在PDF文件中保存的区域，如果超出对应区域，将该对象设置为无效对象，且所有引用到该对象的间接引用对象修改为null。

3、xref和间接对象都破损

这种情况相对复杂，核心方法，还是要重建xref，在读取到异常对象时，要及时的判断对象是否异常终止，比如：读取到一个破损的文件，发现对象长度异常的长，且连续出现多个“obj”和“endobject”，那就可以判断该对象错误了，并将该对象设置为无效，然后重新定位新的间接对象的开始位置，继续往后解析。