pdf格式总结.docVIP

一、对象 1.概述 pdf包括八种类型：Boolean values, Integer and Real numbers, Strings, Names, Arrays, Dictionaries, Streams, and the null object. 2.类型说明 （1）整型实型可以带符号，实型不要用非小数点或指数方式。 （2）字符串可以使放在（）中的字符，也可以是放在 中的十六进制数。 （3）前面没有反斜杠的结束标记只被视为一个字节。 （4）常用的转义字符：(空格 (20h), 制表符B (09h), 回车 (0Dh), 换行 (0Ah), and 分页符 (0Ch))。 （5）名称类型中可以使用两位十六进制表示字符，在前面加上前缀#。 （6）通常名称类型是作为原子类型，但是当需要将其作为字符类型时则用UTF-8进行解码。 （7）流对象是间接对象，但流对象中的字典是直接对象。 （8）stream后面必须跟着一个回车加一个换行符或者仅仅是一个换行符，但不能只加一个回车。在流字节和endstream中应该有一个行结束标记，不能有空格，该标记不算在内容长度之内。 （9）stream中的流字典键值对 Length integer Stream和endstream关键字之间字符的长度. (endstream前可能有结束标志EOL) Filter name or array 用来处理流字节的的一个或多个名称 DecodeParms dictionary or array Fillters使用的一个字典或者一个字典数组作为参数。如果只有一个带参数的过滤器，该键就被设置为该过滤器的参数。如果所有过滤器都有初始参数，那么该键可以省略。如果有多个未设初始值的过滤器，那么该键就为一个字典数组。 F file specification 指定包含流内容的外部文件名称，如果该键出现那么stream和endstream中可以没有内容 FFilter name or array 用来处理外部文件流内容的filter FDecodeParms dictionary or array Ffilter所用的参数 DL integer 表示已解密的字节流长度。 通过它可以确定是否有足够的磁盘空间将内容从流写到文件中。 precisely. （10）指向未定义对象的引用不会被当成错误，会当成引用一个空对象。 二、过滤器 1.概述 Pdf是通过过滤器来将流中乱码进行解码。 例如，一个流字典中指明过滤器为ASCIIHexDecode，那么负责读流的应用程序就必须实现将hexadecimal-encoded数据进行解码。 一个流字典中的filter可以是一个数组，比如先后使用LZW和ASCII base-85编码的流在流字典中为2/Filter [/ASCII85Decode /LZWDecode]。（加密解密顺序相反） 有些filter中还包含参数来控制操作。 2.Crypt filter 该过滤器决定了解密的算法，在过滤器数组中该过滤器必须放在第一位。 其可选的参数:Type：作为解密参数字典的CryptFilterDecodeParms Name：Crypt filter的名称。 具体在第四部分描述 三、文件结构 1.概述 除了签名字典中的内容外，非流对象的数据每行不得超过255个字符。 二、文件头 大部分PDF文件包含二进制数据，在文件头部后加上至少四个二进制字符，每个字符要大于在128。这是为了让程序分辨出文件中的数据时文本还是二进制。 三、交叉映射表 交叉映射表包含的信息可以允许随机访问文件中的间接对象。 表中的每一行都对应着一个间接对象，说明了每一个对象相对于文件体的偏离字节。 每次文档被增量式地修改时，会新增加一个映射表子部分。 每个映射表子部分包含两个部分，第一个部分是该子部分第一个对象的对象号码，第二个部分是该子部分的行数。 每个子部分的行包含20个字节。（包括结束标志） 行的格式如下：nnnnnnnnnn ggggg n eol n表示该对象在使用，f表示该对象已经删除。 nnnnnnnnnn 表示该对象在解码后的流中的偏移。即从文件的开头到对象的开头的长度。 ggggg表示版本号 eol的值可为SP CR, SP LF, or CR LF 中的一种。 每个子部分的第一行必须为f且ggggg为65536。其他的初始化为0。当一个间接对象被删除时，添加一个表项到表尾并将其标志位设为F，并将gggg位加一，ggg位最大为65536. 四、文件尾 一般reader读文件都是从文件尾开始读的。 倒数第二行的数据代表从文件头到最后 一个xref关键字之间的偏移量。 文件尾包含一个尾部字典，字典中的键值有： Size