pdf文檔格式入門教程

1/1pdf文檔格式入門教程一.前言PDF是基于PostScript文本描述語言，PDF特點(diǎn)有1.跨平臺(tái)2.包含多種類型的內(nèi)容3.實(shí)時(shí)的合作編輯4.數(shù)字簽名保證安全性5.安全和許可保證相關(guān)權(quán)限6.方便殘疾人的閱讀7.對(duì)其它文件格式和應(yīng)用程序的重用二.語法應(yīng)該從4個(gè)方面來理解語法1.對(duì)象2.文件結(jié)構(gòu)3.文檔結(jié)構(gòu)4.內(nèi)容流PDF并不局限于ASII字符，包括任意的8位字符,但是字符串和流建議用ASCII表示PDF字符集分成3種regular,delimiter,white-space.PDF8種基本數(shù)據(jù)類型1.Booleanvalues2.Integerandrealnumbers,默認(rèn)為實(shí)數(shù)Strings,可以寫成兩種方式(文本),十六進(jìn)制數(shù)字,可以使用\表示跨行,轉(zhuǎn)義字符的16進(jìn)制可以表示非ASCII字符Names,名字對(duì)象總是以/開始Arrays,可以由不同的對(duì)象構(gòu)成,Dicitionaries,鍵必須是一個(gè)名字,是單重集Streams,PDF可以讀取流對(duì)象以增量的方式,且大小沒有限制,而字符串對(duì)象必須一次性完全讀入,3.4.5.6.7.8.Thenullobject2.1文檔頁面注：

如果一個(gè)PDF文件包含二進(jìn)制數(shù)據(jù)，那么建議報(bào)頭那行之后應(yīng)緊緊跟著一行至少包含四個(gè)二進(jìn)制字符的評(píng)論，也就是，字符的代碼是128或更大。

這樣確保文件傳輸應(yīng)用程序在檢測文件開頭部分?jǐn)?shù)據(jù)時(shí)能夠采取恰當(dāng)?shù)牟僮鱽泶_定是把文件內(nèi)容當(dāng)作純文本文件還是二進(jìn)制數(shù)據(jù)。

文檔頁面通過頁面樹結(jié)構(gòu)來訪問,PDF應(yīng)用程序，使用很小的內(nèi)存，就能快速打開一個(gè)上千頁的文檔。

樹型結(jié)構(gòu)包含2種節(jié)點(diǎn)--中間節(jié)點(diǎn)稱為頁樹型結(jié)構(gòu)節(jié)點(diǎn)，和葉節(jié)點(diǎn)稱為頁面對(duì)象。

應(yīng)用程序應(yīng)準(zhǔn)備處理構(gòu)成節(jié)點(diǎn)的樹型結(jié)構(gòu)的任何格式。

最簡單的結(jié)構(gòu)是僅包含一個(gè)頁面樹節(jié)點(diǎn)，直接指向所有的文檔頁對(duì)象。

該結(jié)構(gòu)定義了文檔中頁面的順序。

該樹結(jié)構(gòu)允許2.2內(nèi)容流和資源內(nèi)容流是描述頁面外觀和其它圖形數(shù)據(jù)元素的主要手段。

內(nèi)容流取決于所載信息相關(guān)的資源詞典，這兩個(gè)對(duì)象相結(jié)合形成一個(gè)自我包含的實(shí)體。

一個(gè)內(nèi)容流是一個(gè)PDF流對(duì)象，它的數(shù)據(jù)由一系列描述在頁面上繪圖的圖形數(shù)據(jù)元素的指令構(gòu)成。

這些指令以PDF對(duì)象形式呈現(xiàn)，使用同樣的對(duì)象語法。

然而盡管文檔整體上是一個(gè)靜態(tài)的，隨機(jī)訪問的數(shù)據(jù)結(jié)構(gòu)，但是內(nèi)容流中的對(duì)象將會(huì)按照順序被解析。

1.一個(gè)頁面可以由一個(gè)或多個(gè)內(nèi)容流表示.2.內(nèi)容流可以獨(dú)立表示對(duì)象(FormXobject,Patterns,Type3字體,外觀流)3.內(nèi)容流可以被編碼FlateDecode,在解析PDF文件中的FlateDecode過濾器時(shí)存在整數(shù)溢出。

FlateDecode過濾器中可指定多個(gè)參數(shù)，之后在算術(shù)運(yùn)算中使用了這些參數(shù)值計(jì)算所要分配的堆緩沖區(qū)的字節(jié)數(shù)。

這個(gè)計(jì)算可能溢出，導(dǎo)致分配了不充分的堆緩沖區(qū)。

處理PDF文檔中的TrueType字體和JBIG2數(shù)據(jù)時(shí)存在內(nèi)存破壞。

4.內(nèi)容流中的操作數(shù)在操作符之前(后綴表示法),為了便于程序?qū)崿F(xiàn).5.內(nèi)容流中操作符的操作數(shù)只能是直接對(duì)象，間接對(duì)象和對(duì)象的引用都是不允許的。

在某些情況下，操作符必須指向一個(gè)定義在內(nèi)容流外的PDF對(duì)象，例如字體字典或圖像數(shù)據(jù)流。

6.一個(gè)內(nèi)容流中的命名資源是由資源字典來定義，資源字典列舉了內(nèi)容流中操作符需要的指定資源和指向所需要的名稱。

比如，如果一個(gè)文本操作符在內(nèi)容流中出現(xiàn)需要某一個(gè)字體，內(nèi)容流資源字典可以將名稱Font1與相應(yīng)的字體字典結(jié)合起來。

文本操作符可以使用這個(gè)名稱指向相應(yīng)的字體。

資源字典可以通過以下方法中的一種與內(nèi)容流結(jié)合：

1.作為頁面Contents選項(xiàng)的值的內(nèi)容流,(由于頁面Resource屬性是可繼承性，它可能就位于某個(gè)頁面對(duì)象的父節(jié)點(diǎn)中).2.對(duì)于其他內(nèi)容流，流字典的Resources選項(xiàng)指定資源字典。

這個(gè)適合于指定FormXObjects的內(nèi)容流，pattern，Tpye3字體，和標(biāo)注外觀流。

3.FormXObject或Type3字體字形描述可能缺省Resources選項(xiàng)在這種情況下，可以在使用表單或字體的頁面的Resources選項(xiàng)中查詢資源。

但不建議用這種方法。

4.過濾器過濾器可以串聯(lián),基本上可以分成兩類4.1ASCII過濾器,可以將任意的8位數(shù)據(jù)編碼成ASCII文本形式.對(duì)于加密過的PDF文件沒有作用4.2解壓過濾器對(duì)于壓縮過的數(shù)據(jù),交叉引用表（Cross-referenceTable）中包含允許隨機(jī)訪問文件應(yīng)有的間接對(duì)象的信息，從而在定位某一特定對(duì)象時(shí)不必去讀整個(gè)PDF文件。

每一個(gè)PDF文件均應(yīng)該包含一張交叉引用表，由一個(gè)或多個(gè)部分（sections）組成。

如