Filter是用来压缩PDF还是用来加密的?之前介绍过,Office文档是用zip压缩数据的,把文字和图像等打包在一起。如果你用7z解压PPTX/DOCX/XLSX文档,就可以轻松获得文档中的文字和图片等资源。
![85888e2a359b92d039180c850ec2d11b.png](https://img-blog.csdnimg.cn/img_convert/85888e2a359b92d039180c850ec2d11b.png)
解压PPTX,可见其中图片
PDF的大部分Filter确实是用来压缩的,然而ASCIIHexDecode和ASCII85Decode编码后只会让文件变大。这不是逗你吗?把ASCIIHex和ASCII85用来加密数据,有种此地无银三百两的感觉。现在很多人看见乱码就说加密,举个Base64的例子。
![ccc2e555cfd4b92df4d10da898b7e8da.png](https://img-blog.csdnimg.cn/img_convert/ccc2e555cfd4b92df4d10da898b7e8da.png)
Base64编码用到的字符
PDF支持的filter可以分为三大类:
[1] 转码Filter,把原数据映射到可显示的字符范围。ASCIIHex映射为16进制的字符,ASCII85映射为ASCII表中的85个可显示字符范围。
[2] 压缩Filter,文本和图像使用不同的Filter,这才是用来压缩文件的。如LZWDecode,FlateDecode, RunLengthDecode, CCITTFaxDecode, JBIG2Decode, DCTDecode, JPXDecode。
[3] 加密Filter,这是用来加密PDF文件的。
![d64615cb5af644574b9f564cb7a98c91.png](https://img-blog.csdnimg.cn/img_convert/d64615cb5af644574b9f564cb7a98c91.png)
ASCIIHex, ASCII85字符范围
ASCIIHex从2^8映射为2^4+2^4,因此压缩比是2:1=200%,怪不得现在已经绝迹了。而ASCII85的压缩比为5:4=125%,毕竟还有用途,但用的也不是太多。
Specifically, ASCII base-85 encoding produces 5 ASCII characters for every 4 bytes of binary data. Each group of 4 binary input bytes, (b1 b2 b3 b4), is converted to a group of 5 output bytes, (c1 c2 c3 c4 c5), using the relation:
![36e367c1b0e9944f83fdf937ccefb85d.png](https://img-blog.csdnimg.cn/img_convert/36e367c1b0e9944f83fdf937ccefb85d.png)
ASCII85映射关系
这个代码写出来也很简单,大家可以亲手试一试,比刷Leecode简单多了,就是从一个范围映射到另一个字符范围。ASCIIHex不区分16进制中A-F的大小写,PDF中使用'>'作为结尾。
String name = "欣爸爸";ByteArrayInputStream bais = new ByteArrayInputStream(name.getBytes());ByteArrayOutputStream baos = new ByteArrayOutputStream();asciiHex.encode(bais, baos, new COSDictionary(), 0);log.d(baos.toString()); // E6ACA3E788B8E788B8baos.reset();bais = new ByteArrayInputStream("e6aCA3e788B8E788B8>".getBytes());asciiHex.decode(bais, baos, new COSDictionary(), 0);log.d(baos.toString()); // 欣爸爸
String name = "欣爸爸";ascii85.encode(bais, baos, new COSDictionary(), 0);baos.reset();bais = new ByteArrayInputStream("k,b?@Lq)W(,~>".getBytes());ascii85.decode(bais, baos, new COSDictionary(), 0);log.d(baos.toString()); // 欣爸爸
从PDF1.5开始,还可以把多个Obj对象放到同一个stream对象中压缩,可进一步压缩文件大小。这也是为什么,我们分析PDF的时候Obj number不连续的原因,有些Obj被打包在一起了。
读到这里,你是否有点感觉了?Base64 / ASCIIHex / ASCII85 既没压缩数据,也没加密数据,有什么存在价值呢?这问题要从ASCII码谈起。一个字节的范围是从0000 0000 到 1111 1111,但这256个数据并不全是可显示字符,有些是控制字符。当以字符方式读文件的时候,这些控制字符不会被当作数据处理,而会变成换行或者退格,或者终止等。
![530d451e6657879555a541500e8eb9e2.png](https://img-blog.csdnimg.cn/img_convert/530d451e6657879555a541500e8eb9e2.png)
把二进制文件数据,映射到一个可显示字符范围,在传输和处理过程中不会被误解,可以容易地反解出来,这可不是什么加密技术。仔细观察Base64、ASCII85包含一些编程语言的特殊字符,因此也有Base64和ASCII85的一些变种,把特殊符号换成其它字符。
以下是解析ASCIIHex的部分参考代码:
while (true) { int first = readHexDigit(); // 先读取一个Hex int second = readHexDigit();// 再读取一个Hex if (first == -1) { // Done break; } else if (second == -1) { // 如01110110 0010情况 baos.write((byte) (first << 4)); break; } else { // 合在一起 baos.write((byte) ((first << 4) + second)); }}
下次,我们介绍压缩算法LZWDecode和FlateDecode。欢迎关注点赞~