教你屏蔽网通/联通的“域名纠..

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 复制代码 收藏代码
  1. stream   
  2. 5di?倯? 貓?匚{o绝幾Te:馎HG   
  3. 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 false

<!---->2.       <!---->Numeric Objects ：

<!---->l         <!---->整型： 123

<!---->l         <!---->浮点型 -43.54 ， 6.02E23

3.  String Objects ：

<!---->l         <!---->文字型，用圆括号括起来，如： (Hello World)

<!---->l         <!---->十六进制型，用尖括号括起来，如： <901FA3> 分别为 90 ， 1F ， A3

4.  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 复制代码 收藏代码
  1. 7 0 obj                     %某一个Image类型的对象   
  2. <<   
  3. /Type /XObject   
  4. /Subtype /Image   
  5. /Name /Im7   
  6. /Width 189  
  7. /Height 189  
  8. /BitsPerComponent 8  
  9. /ColorSpace [/Indexed /DeviceRGB 255 …>]   
  10. /Mask [255 255]   
  11. /Length 3832  
  12. /Filter /FlateDecode   
  13. >>                        %紧接着这个对象定义后的Dictionary Objects对象后面   
  14. stream                  %定义它的Stream Objects   
  15. %这里放二进制流   
  16. endstream  

 

 

<!----><!----> <!---->

<!---->8.        <!---->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 复制代码 收藏代码
  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. stream   
  5. ………….   
  6. endstream   
  7. endobj   
  8.   
  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 复制代码 收藏代码
  1. %PDF-1.3  
  2. %   
  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. endobj   
  11.   
  12. 1 0 obj   
  13. <<   
  14. /Count 0  
  15. >>   
  16. endobj   
  17.   
  18. 3 0 obj                                 %这是PDF的根结点(不是起始位置)   
  19. <<   
  20. /Type /Catalog   
  21. /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 R   
  23. >>   
  24. endobj   
  25.   
  26. 7 0 obj   
  27. <<   
  28. /Type /XObject   
  29. /Subtype /Image   
  30. /Name /Im7   
  31. /Width 189  
  32. /Height 189  
  33. /BitsPerComponent 8  
  34. /ColorSpace [/Indexed /DeviceRGB 255 <%这里放每个像素点的值>]   
  35. /Mask [255 255]   
  36. /Length 3832  
  37. /Filter /FlateDecode   
  38. >>   
  39. stream   
  40. %这里放的全是图片的二进制流……..   
  41. endstream   
  42. endobj   
  43.   
  44. 8 0 obj   
  45. <<   
  46. /Length 51  
  47. /Filter /FlateDecode   
  48. >>   
  49. stream   
  50. %这里放的全是图片的二进制流……..   
  51. endstream   
  52. endobj   
  53.   
  54. 6 0 obj                                 %重点分析一下这个   
  55. <<   
  56. /Type /Page   
  57. /Parent 4 0 R   
  58. /MediaBox [ 0 0 595.276 841.89 ]   
  59. /Resources <<   
  60. /XObject <<   
  61. /Im7 7 0 R   
  62. >>   
  63. /ProcSet [/PDF /Text /ImageB /ImageC] >>   
  64. /Contents 8 0 R   
  65. >>   
  66. endobj   
  67.   
  68. 4 0 obj   
  69. <<   
  70. /Type /Pages   
  71. /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 1  
  75. >>   
  76. endobj   
  77.   
  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 n    
  84. 0000006159 00000 n    
  85. 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 n    
  87. 0000000274 00000 n    
  88. 0000005858 00000 n    
  89. trailer   
  90. <<   
  91. /Size 9  
  92. /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 R   
  94. /ID[<112cbcc8320742d1cbe148d4ec0d7dba><112cbcc8320742d1cbe148d4ec0d7dba>]   
  95. >>   
  96. startxref                           %PDF文件解析的起点   
  97. 6219  
  98. %%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

<!---->3.       <!---->Info 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 。编程时可能会用到。

 

第三步： 来重点分析一下页对象

 

 

Java代码 复制代码 收藏代码
  1. 6 0 obj                 %索引编号为6的对象，0表示该对象的修改次数   
  2. <<                    % << 表示是这一个map，里面的所有数据都以key，value形式出现   
  3. /Type /Page             %其类型为Page，表示PDF的每一页   
  4. /Parent 4 0 R           %其父结点为4 0对象（R表示引用，对象之间是可以双向引用的）   
  5. /MediaBox [ 0 0 595.276 841.89 ]    %当前页画布为MediaBox样式，后面的表示左上角与右下角坐标，这样就形成了一个矩形。   
  6. /Resources <<         % Resources 又为一个map的嵌套   
  7. /XObject <<           % XObject 也是一个map的嵌套   
  8. /Im7 7 0 R      % 在Xobject中定义了一个叫Im7的名称，引用了叫Im7的7 0对象（在我的PDF中，这是一个图片对象）   
  9. >>                       
  10. /ProcSet [/PDF /Text /ImageB /ImageC] >> % 打印时的参数设置   
  11. /Contents 8 0 R        % 这里是实际页面上的内容信息，引用的是8 0对象   
  12. >>   
  13. endobj              % 对象定义结束  

 

 

 

<!----><!---->

<!---->

对于我们来说，以下是项目开发的重点。因为要实现 PDF 文件盖章的添加或删除功能，必须进行流操作，并且图片在 PDF 文件的位置也要写入。

<!---->l         <!---->/XObject<<>> ： 里面持有图片等二进制的引用。通过上述的方法，当你再查看 7 0 obj 时，就会看到大量的二进制文件了。

<!---->l         <!---->/Contents ： 是文件的内容信息。比如说，页面上的文本，图片的坐标位置等。

通过这个完整的流程，你应该明白 PDF 的格式其实就是一个层次分明的树形结构。不过，想完全了解 PDF 的格式，进行相关的操作。你还得参看 PDF 规范文档。


关于我们 | 联系我们 | 付款方式 | 提交工单 | 常见问题 | 独立控制面板

Copyright © 2002-2016 重庆广渝网, All rights reserved.    备案号：渝ICP备19007721号-2