当前位置：文档之家 › 初步研究了下 PDF 的格式,打算和大家分享一下,如果

初步研究了下 PDF 的格式,打算和大家分享一下,如果

  • 格式：doc
  • 大小：134.00 KB
  • 文档页数：11

应该项目需要，初步研究了一下PDF 的格式，打算和大家分享一下，如果有想做PDF 或PDF 阅读器开发的同学们，可以看看。

PDF 格式规范，语法简洁。

但初次查看PDF 却容易给人错觉——PDF 的二进制流太多了，原本清晰的数据格式被杂乱无章的二进制流给淹没了。

例如：Java代码1.stream2.5di?倯? 貓?匚{o绝幾Te:馎HG3.嵶?W}?妮雥??隱q?屸鷭鴊狳!赭€?鼜 ??烖K柽z煜?w? ??鴚¬D¬h?斜?醱釓?x?i佲匃??•?灗 Iu叁剪?4.…………………………像这样一大堆乱码的东西很多，所以，心理上无法耐心的继续看下去。

实际上PDF 就是由四部分组成：数据流的读写操作一般是从文件末尾开始的：PDF 所有的数据类型都是obj ，强调的也是一切皆对象。

我简要的把PDF 常见的几种数据类型给大家说说：注意“% ”表示注释1.Boolean Objects ：只有true 和false2.Numeric Objects ：●整型：123●浮点型-43.54 ，6.02E233. String Objects ：●文字型，用圆括号括起来，如：(Hello World)●十六进制型，用尖括号括起来，如：<901FA3> 分别为90 ，1F ，A34. Name Objects ：除null 以外的任意8 位字符组成的字符串，出现在PDF 中，用“/ ”作前导符号，如：/Name1 。

其实这与编程中的常量很类似。

5. Array Objects ：PDF 中的数组用方括号“[] ”括起来，里面的数据可以完全不相同，如：[549 3.14 false (Ralph) /SomeName] 该数组里面分别装有 5 种不同的类型。

6.Dictionary Objects ：其实就类似于Java 的Map 对象——即以key ，value 的形式成对出现。

用的时候要用“<<…>>”把key ，value 括起来。

例如：<</Name (leo) >>表示key为“name”的Name Objects ，而value 为“leo ”字符串。

<<>> 内部也可以嵌套使用，在PDF 源文件中应用的非常广泛。

7.Stream Objects ：顾名思义，肯定有流有关。

这就是PDF 中专门用于存放二进行流的对象。

PDF 的实现者对String Objects 通常会做限制，但是Stream Objects 却没有这样的限制。

因此stream object 用在图片，页面描述信息上是非常的适合的。

看看使用示例：Java代码1.7 0 obj %某一个Image类型的对象2.<<3./Type /XObject4./Subtype /Image5./Name /Im76./Width 1897./Height 1898./BitsPerComponent 89./ColorSpace [/Indexed /DeviceRGB 255 …>]10./Mask [255 255]11./Length 383212./Filter /FlateDecode13.>> %紧接着这个对象定义后的Dictionary Objects对象后面14.stream %定义它的Stream Objects15.%这里放二进制流16.endstream8.Null Object ：区别与其它任何对象，用关键字null 标注的对象就是null object 。

9.Indirect Objects ：当然就是类似Java 中的“引用”概念啦，举个例子就说明一切了。

Java代码1.7 0 obj %有一个索引号为7 0的对象2.<< /Length 8 0 R >> % 在它的Length属性引用了一个索引号为8 0的对象3.%在这里“8 0 R”表示对8 0的对象引用(Reference)4.stream5.………….6.endstream7.endobj8.9.10.8 0 obj %被上面7 0对象所引用的那个索引号为8 0的对象11.77 %7 0对象的二进制流的长度12.endobj注意：obj …… endobj PDF文档组成的最小组成部分。

表示一个完整对象的定义够了，说了这么多，让我们实战吧。

现在我们来看一个完整的示例，该示例可以在附件中下载。

看的时候，可以按照下面的步骤一步一步来分析PDF 源文件：Java代码1.%PDF-1.32.%3. 2 0 obj %2 0 obj，里面是一些PDF的基本信息。

比如4.<<5./CreationDate (D:20081029093606+08'00')%创建时间6./ModDate (D:20081029093606+08'00') %最后修改时间7./Producer (leo 4.30 \(0615\))%创建人8./Creator (easyPDF SDK 4.3)%制作人9.>> %你还可以自由的编写任何信息10.endobj11.12.1 0 obj13.<<14./Count 015.>>16.endobj17.18.3 0 obj %这是PDF的根结点(不是起始位置)19.<<20./Type /Catalog21./Pages 4 0 R %这是所有页面的集合，我们主要关心这个22./Outlines 1 0 R23.>>24.endobj25.26.7 0 obj27.<<28./Type /XObject29./Subtype /Image30./Name /Im731./Width 18932./Height 18933./BitsPerComponent 834./ColorSpace [/Indexed /DeviceRGB 255 <%这里放每个像素点的值>]35./Mask [255 255]36./Length 383237./Filter /FlateDecode38.>>39.stream40.%这里放的全是图片的二进制流……..41.endstream42.endobj43.44.8 0 obj45.<<46./Length 5147./Filter /FlateDecode48.>>49.stream50.%这里放的全是图片的二进制流……..51.endstream52.endobj53.54.6 0 obj %重点分析一下这个55.<<56./Type /Page57./Parent 4 0 R58./MediaBox [ 0 0 595.276 841.89 ]59./Resources <<60./XObject <<61./Im7 7 0 R62.>>63./ProcSet [/PDF /Text /ImageB /ImageC] >>64./Contents 8 0 R65.>>66.endobj67.68.4 0 obj69.<<70./Type /Pages71./Kids [72.6 0 R %继续查找6 0 obj来看看具体的页面情况73.]74./Count 175.>>76.endobj77.78.xref %索引，f表示该地址未被使用，n表示已经被占用。

79.0 9 %索引的顺序与对象在文中出现的序号是一致的，比如80.0000000000 65535 f %默认占位符，不使用。

81.0000000177 00000 n %表示0 1 obj的偏移地址82.0000000015 00000 n %表示0 2 obj的偏移地地下面的以些类推83.0000000208 00000 n84.0000006159 00000 n85.0000000000 00000 n %表示0 5 obj的偏移为0，可能被删除操作给干掉了。

86.0000005981 00000 n87.0000000274 00000 n88.0000005858 00000 n89.trailer90.<<91./Size 992./Root 3 0 R %这个属性信息最重要，我们可以直接找到根结点93./Info 2 0 R94./ID[<112cbcc8320742d1cbe148d4ec0d7dba><112cbcc8320742d1cbe148d4ec0d7dba>]95.>>96.startxref %PDF文件解析的起点97.621998.%%EOF第一步：首先是先看文件末尾，找到它的“xref ”和“trailer ”部分。

Xref 表示对象索引，其实就是对象在文件中的偏移地址（PDF源文件中是以10进制表示的，你转换成16进制后，用UE或者其它工具查看即可）。

Trailer 虽然从字面上看是“尾部”的意思，但是解析却从它开始。

“startxref ”表示文件的入口地址，像java 的main() 方法。

后面紧跟着一个10 进制的数字，指向的是索引“xref ”的位置。

Trailer 里面的值分别表示：1.Size 9 ：表示9 个索引值2.Root 3 0 R ：根结点是3 0 obj 的引用 2 0 R ：相关信息是2 0 obj 的引用4.ID ：类似于Java 的Serializable 机制，给本PDF 文件生成一个独一无二的标识第二步：按照Root 3 0 R ，我们向上查找，找到了我们要找的Root 对象，里面的信息从字面上很容易理解：1./Type /Catalog ：表示该对象的类型是目录2./Pages 4 0 R ：表示所有的PDF 页面在一个叫4 0 R 的对象上3./Outlines 1 0 R ：PDF 文件的大纲，也就是左侧展示的东西。

继续查找4 0 obj ，果然与预期所想的一样，的确是所有页面的集合，并且还有一个附加属性Count 统计页面对象的个数：/Type /Pages ：表示该对象的类型是所有页面的集合/Kids […] ：这是一个数组，里面装的是每个页面的具体引用。

因为这个PDF 就一页，所有只有一个“6 0 R ”。

下一步，就从这里入手。

/Count 1 ：页的总数大小，因为这个PDF 就一页，所以值为1 。

合集下载

pdf格式详解

pdf格式详解

pdf格式详解PDF（Portable Document Format）是一种用于电子文档交换和展示的文件格式。

以下是关于PDF格式的特性：1.跨平台性：PDF格式可以在不同的操作系统、设备和软件上打开、查看和打印，保证了文档的一致性和可读性。

无论是在Windows、Mac还是Linux系统上，用户都可以使用相应的PDF阅读器软件轻松处理PDF文件。

2.保真性：PDF格式可以精确地保留文档的原始格式和布局，包括字体、图像、表格等。

这意味着，无论在哪种设备上查看PDF文件，其内容和样式都将保持不变。

3.安全性：PDF格式支持加密和密码保护功能，可以限制对文件的访问权限，防止信息泄露或被非法修改。

用户可以为PDF文件设置打开密码、权限密码等，以确保文档的安全性。

4.可编辑性：虽然PDF文件通常被设计为不可编辑的格式，但用户可以使用一些专业的PDF编辑软件对PDF文件进行修改、添加注释、旋转页面等操作。

这些编辑操作不会破坏PDF文件的原始格式和布局。

5.压缩与优化：PDF格式支持多种压缩算法，可以减小文件大小，方便存储和共享。

这有助于节省存储空间和提高传输效率。

6.兼容性与标准：PDF格式与许多印刷标准和文件格式兼容，如PostScript、JPEG、TIFF等。

这使得PDF文件可以轻松地与其他格式的文件进行转换和共享。

7.交互性：PDF文件可以包含交互元素，如超链接、书签、注释等。

这使得用户在使用PDF文件时可以方便地进行导航、注释或与他人进行协作。

8.多语种支持：PDF格式支持多种语言字符集，包括中文、日文、韩文等。

这使得用户可以轻松地创建和查看包含非英语字符的PDF文件。

总的来说，PDF格式是一种非常实用和重要的文件格式，广泛应用于各个领域，如文档存档、电子书籍、表格和报表、表单和调查等。

无论是个人用户还是企业机构，都可以受益于PDF格式的优点和特性。

pdf复制格式整理

pdf复制格式整理

pdf复制格式整理全文共四篇示例，供读者参考第一篇示例：PDF是一种常见的文档格式，它的优点是在不同设备上都可以准确地呈现内容，同时也可以保护文件的隐私性。

有时候我们需要对PDF文件进行复制和粘贴操作，这个时候就需要注意PDF文件的格式整理，以便确保复制的内容可以准确地显示在其他文档中。

一、保持文本格式在复制PDF文件中的文本时，我们需要保持文本的格式。

这包括字体、大小、颜色等信息。

如果我们直接复制文本到其他文档中，可能会导致格式错乱，影响文档的可读性。

在复制PDF文件中的文本时，我们可以选择使用专业的PDF工具，如Adobe Acrobat，来确保复制的文本格式保持一致。

二、调整行间距和段落间距在复制PDF文件中的文本时，有时候会出现行间距和段落间距不一致的情况，这样会导致文档的格式混乱。

为了解决这个问题，我们可以在复制文本之前，先调整文本的行间距和段落间距，使其保持一致。

这样一来，在复制文本到其他文档中时，就不会出现格式错乱的情况。

三、去除多余空格和换行符四、保持图片和表格的原样除了文本外，PDF文件中可能还包含图片和表格等内容。

当我们需要复制PDF文件中的图片和表格时，我们需要保持它们的原样。

这包括图片的分辨率、颜色信息，以及表格的边框、背景等。

我们可以使用专业的PDF工具来复制图片和表格，以确保它们的格式保持一致。

五、使用专业的PDF工具总结在处理PDF文件时，保持文本格式的一致性是非常重要的。

通过调整行间距和段落间距、去除多余空格和换行符、保持图片和表格的原样，以及使用专业的PDF工具，我们可以更好地整理PDF文件的格式，确保复制的内容可以准确地显示在其他文档中。

希望这篇文章对大家有所帮助，谢谢阅读！第二篇示例：PDF是一种常见的文档格式，因其便捷和易于阅读而备受广大用户的青睐。

有时候我们在阅读PDF文档时却遇到了一些麻烦，比如无法复制文本内容的格式、无法全文搜索等问题。

这些问题往往给我们带来了一定的困扰，不过，在这里我会给大家介绍一些关于PDF复制格式整理的方法，希望对大家有所帮助。

PDF文件格式分析

PDF文件格式分析

PDF文件格式分析(2009-04-09 16:28:23)标签：pdf 毕设结构内容文件杂谈分类：网络资源PDF的基本语法：文件的第一行是文件头，指明了该文件所遵从的PDF规范的版本号，它出现在PDF文件的第一行。

一个对象的第一行一般有两个数字和关键字“obj”。

例如：3 0 obj<</Type /Pages/Count 1/Kids [4 0 R]>>endobj第一个数字称为对象号，来唯一标识一个对象的，第二个是产生号，是用来表明它在被创建后的第几次修改，所有新创建的PDF文件的对象号应该都是0，即第一次被创建以后没有被修改过。

上面的例子就说明该对象的对象号是3，而且创建后没有被修改过。

对象的内容应该是包含在<< 和>>之间的，最后以关键字endobj结束.文件的具体分析%PDF-1.0文件头，说明符合PDF1.0规范1 0 obj<</Type /Catalog/Pages 3 0 R/Outlines 2 0 R>>endobjCatalog对象（根对象）/Type /Catalog说明该对象的类型为/Catalog，/Pages 3 0 R，这里/Pages指的是这个根对象包含的/Pages的目标是对象号为3的对象，3 0 R的意思是对对象3的引用。

2 0 obj<</Type /Outlines/Count 0>>endobjoutline对象（此处它的计数为0，说明没有书签）3 0 obj<</Type /Pages/Count 1/Kids [4 0 R]>>endobjpages对象（页面组对象），/Type /Pages 说明自身的属性，对象的类型为页码，/Count 1说明页码数量为1，/Kids [4 0 R]说明它的孩子、页的对象号为4,如果有多个页面，就有多个页面对象的引用，例如/Kids [4 0 R 10 0 R], 就说明该PDF的第一页的对象号是4,第二页的对象号是10。

pdf格式原理

pdf格式原理

pdf格式原理
PDF格式的原理主要包括以下几个方面：
文本编码：PDF中的文本编码采用Unicode或UTF-8标准，支持多种语言字符。

文本以矢量方式描述，可以保证在不同分辨率下清晰地显示文字。

图像编码：PDF中的图像可以是位图或矢量图。

位图图像以JPEG、PNG等格式嵌入到文件中，而矢量图则以矢量方式描述，可以通过软件进行编辑。

页面描述：PDF文件由一系列页面组成，每个页面包含文本、图像等元素。

页面描述语言采用PDF对象模型，可以描述页面的布局、元素的位置和属性等。

交互元素：PDF文件支持添加交互元素，如超链接、按钮、表单等。

这些元素可以触发特定的动作或事件，如跳转到网页、提交表单等。

安全性：PDF文件可以设置密码、权限等安全措施，以保护文件的内容和元数据。

还可以对文件进行数字签名，以确保文件的完整性和来源可靠性。

总的来说，PDF格式的原理主要涉及文本编码、图像编码、页面描述、交互元素和安全性等方面。

这些原理使得PDF文件具有良好的可读性、可打印性和安全性，成为一种广泛应用的电子文档格式。