根据PDF官方指南,理解PDF格式可以从四个方面下手——Objects(对象)、File structure(物理文件结构)、Document structure(逻辑文件结构)、Content streams(内容流)。
%PDF-1.7
2 0 obj
...
end obj
转义字符 | 含义 |
---|---|
/n | 换行 |
/r | 回车 |
/t | 水平制表符 |
/b | 退格 |
/f | 换页(Form feed (FF)) |
/( | 左括号 |
/) | 右括号 |
// | 反斜杠 |
/ddd | 八进制形式的字符 |
<< /IntegerItem 12 /StringItem (a string) /Subdictionary << /Item1 0.4 /Item2 true /LastItem (not!) /VeryLastItem (OK) >> >>
dictionary stream…data…endstream
stream字典中常用的字段如下:
字段名类型值Length整形(必须)关键字stream和endstream之间的数据长度,endstream之前可能会有一个多余的EOL标记,这个不计算在数据的长度中。Filter名字 或 数组(可选)Stream的编码算法名称(列表)。如果有多个,则数组中的编码算法列表顺序就是数据被编码的顺序。DecodeParms字典 或 数组(可选)一个参数字典或由参数字典组成的一个数组,供Filter使用。如果仅有一个Filter并且这个Filter需要参数,除非这个Filter的所有参数都已经给了默认值,否则的话 DecodeParms必须设置给Filter。如果有多个Filter,并且任意一个Filter使用了非默认的参数, DecodeParms 必须是个数组,每个元素对应一个Filter的参数列表(如果某个Filter无需参数或所有参数都有了默认值,就用空对象代替)。如果没有Filter需要参数,或者所有Filter的参数都有默认值,DecodeParms 就被忽略了。F文件标识(可选)保存stream数据的文件。如果有这个字段, stream和endstream就被忽略,FFilter将会代替Filter, FDecodeParms将代替DecodeParms。Length字段还是表示stream和endstream之间数据的长度,但是通常此刻已经没有数据了,长度是0.FFilter名字 或 字典(可选)和filter类似,针对外部文件。FDecodeParms字典 或 数组(可选)和DecodeParams类似,针对外部文件。
编码可视化主要显示为乱码,所以提供了隐藏信息的机会,如下图的steam内容为乱码。
xref
0 1
0000000000 65535 f
4 1
0000000009 00000 n
8 3
0000000074 00000 n
0000000120 00000 n
0000000179 00000 n
trailer
<<
key1 value1
key2 value2
key3 value3
…
>>
startxref
553
%%EOF
键 | 值类型 | 值说明 |
---|---|---|
Size | 整形数字 | 所有间接对象的个数。一个PDF文件,如果被更新过,则会有多个对象集合、交叉引用表、trailer,最后一个trailer的这个字段记录了之前所有对象的个数。这个值必须是直接对象。 |
Prev | 整形数字 | 当文件有多个对象集合、交叉引用表和trailer时,才会有这个键,它表示前一个相对于文件头的偏移位置。这个值必须是直接对象。 |
Root | 字典 | Catalog字典(文件的逻辑入口点)的对象号。必须是间接对象。 |
Encrypt | 字典 | 文档被保护时,会有这个字段,加密字典的对象号。 |
Info | 字典 | 存放文档信息的字典,必须是间接对象。 |
ID | 数组 | 文件的ID |
字段 | 类型 | 值 |
---|---|---|
Type | name | (必须)必须是Page。 |
Parent | dictionary | (必须;并且只能是间接对象)当前page节点的直接父节点page tree 。 |
LastModified | date | (如果存在PieceInfo字段,就必须有,否则可选)记录当前页面被最后一次修改的日期和时间。 |
Resources | dictionary | (必须; 可继承)记录了当前page用到的所有资源。如果当前页不用任何资源,则这是个空字典。忽略所有字段则表示继承父节点的资源。 |
MediaBox | rectangle | (必须; 可继承)定义了要显示或打印页面的物理媒介的区域(default user space units) |
CropBox | rectangle | (可选; 可继承)定义了一个可视区域,当前页被显示或打印的时候,它的内容会被这个区域裁剪。默认值就是 MediaBox。 |
BleedBox | rectangle | (可选) 定义了一个区域,当输出设备是个生产环境( production environment)的时候,页面显示的内容会被裁剪。默认值是 CropBox. |
Contents | stream or array | (可选) 描述页面内容的流。如果这个字段缺省,则页面上什么也不会显示。这个值可以是一个流,也可以是由几个流组成的一个数组。如果是数组,实际效果相当于所有的流是按顺序连在一起的一个流,这就允许PDF生成的时候可以随时插入图片或其他资源。流之间的分割只是词汇上的一个分割,并不是逻辑上或者组织形式的切割。 |
Rotate | integer | (可选; 可继承) 顺时钟旋转的角度数,这个必须是90的整数倍,默认是0。 |
Thumb | stream | (可选)定义当前页的缩略图。 |
Annots | array | (可选) 和当前页面关联的注释。 |
Metadata | stream | (可选) 当前页包含的元数据。 |
3 0 obj
<< /Type /Page
/Parent 4 0 R
/MediaBox [ 0 0 612 792 ]
/Resources <</Font<<
/F3 7 0 R /F5 9 0 R /F7 11 0 R
>>
/ProcSet [ /PDF ]
>>
/Contents 12 0 R
/Thumb 14 0 R
/Annots [ 23 0 R 24 0 R]
>>
endobj
字段 | 类型 | 值 |
---|---|---|
Type | name | (必须)必须为Catalog。 |
Version | name | (可选)PDF文件所遵循的版本号(如果比文件头指定的版本号高的话)。如果这个字段缺省或者文件头指定的版本比这里的高,那就以文件头为准。一个PDF生成程序可以通过更新这个字段的值来修改PDF文件版本号。 |
Pages | dictionary | (必须并且必须为间接对象)当前文档的页面集合入口。 |
PageLabels | number tree | (可选) number tree,定义了页面和页面label对应关系。 |
Names | dictionary | (可选)文档的name字典。 |
Dests | dictionary | (可选;必须是间接对象)name和相应目标对应关系字典。 |
ViewerPreferences | dictionary | (可选)阅读参数配置字典,定义了文档被打开时候的行为。如果缺省,则使用阅读器自己的配置。 |
PageLayout | name | (可选) 指定文档被打开的时候页面的布局方式。SinglePageDisplay 单页OneColumnDisplay 单列TwoColumnLeftDisplay 双列,奇数页在左TwoColumnRightDisplay 双列,奇数页在右TwoPageLeft 双页,奇数页在左TwoPageRight 双页,奇数页在右缺省值: SinglePage. |
PageMode | name | (可选) 当文档被打开时,指定文档怎么显示UseNone 目录和缩略图都不显示UseOutlines 显示目录UseThumbs 显示缩略图FullScreen 全屏模式,没有菜单,任何其他窗口UseOC 显示Optional content group 面板UseAttachments显示附件面板缺省值: UseNone. |
Outlines | dictionary | (可选;必须为间接对象)文档的目录字典 |
Threads | array | (可选;必须为间接对象)文章线索字典组成的数组。 |
OpenAction | array or dictionary | (可选) 指定一个区域或一个action,在文档打开的时候显示(区域)或者执行(action)。如果缺省,则会用默认缩放率显示第一页的顶部。 |
AA | dictionary | (可选)一个附加的动作字典,在全局范围内定义了响应各种事件的action。 |
URI | dictionary | (可选)一个URI字典包含了文档级别的URI action信息。 |
AcroForm | dictionary | (可选)文档的交互式form (AcroForm)字典。 |
Metadata | stream | (可选;必须是间接对象)文档包含的元数据流。 |