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特點有1.跨平臺2.包含多種類型的內(nèi)容3.實時的合作編輯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.對其它文件格式和應用程序的重用二.語法應該從4個方面來理解語法1.對象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,默認為實數(shù)Strings,可以寫成兩種方式(文本),十六進制數(shù)字,可以使用\表示跨行,轉(zhuǎn)義字符的16進制可以表示非ASCII字符Names,名字對象總是以/開始Arrays,可以由不同的對象構(gòu)成,Dicitionaries,鍵必須是一個名字,是單重集Streams,PDF可以讀取流對象以增量的方式,且大小沒有限制,而字符串對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PDF文件包含二進制數(shù)據(jù)，那么建議報頭那行之后應緊緊跟著一行至少包含四個二進制字符的評論，也就是，字符的代碼是128或更大。

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

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

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

應用程序應準備處理構(gòu)成節(jié)點的樹型結(jié)構(gòu)的任何格式。

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

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，這兩個對象相結(jié)合形成一個自我包含的實體。

一個內(nèi)容流是一個PDF流對象，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對象形式呈現(xiàn)，使用同樣的對象語法。

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

1.一個頁面可以由一個或多個內(nèi)容流表示.2.內(nèi)容流可以獨立表示對象(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過濾器時存在整數(shù)溢出。

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

這個計算可能溢出，導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)只能是直接對象，間接對象和對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定義在內(nèi)容流外的PDF對象，例如字體字典或圖像數(shù)據(jù)流。

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

文本操作符可以使用這個名稱指向相應的字體。

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，它可能就位于某個頁面對象的父節(jié)點中).2.對于其他內(nèi)容流，流字典的Resources選項指定資源字典。

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

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

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.對于加密過的PDF文件沒有作用4.2解壓過濾器對于壓縮過的數(shù)據(jù),交叉引用表（Cross-referenceTable）中包含允許隨機訪問文件應有的間接對象的信息，從而在定位某一特定對象時不必去讀整個PDF文件。

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

如