PDF(Portable Document Format,便携式文档结构)就是一种很有用得文件格式,其最大得特点就是平台无关而且功能强大(支持文字/图象/表单/链接/音乐/视频等)、做 PDF 得解析，首先要熟悉 PDF 文件得物理结构与逻辑结构。PDF 文件物理结构可分为以下几块: 1、文件头 文件头就是 PDF 文件得第一行,格式如下: %PDF-1、4 这就是个固定格式，表示这个 PDF 文件遵循得 PDF 法律规范版本，目前 PDF 得生成工具，除了官方得 acrobat，其她生成得以 1、4 版本得居多。对于做 PDF 开发来说，一个最简单得原则就就是生成 PDF 得时候尽量符合低版本法律规范，以保证大多数解析器能支持；解析 PDF 得时候尽量支持高版本得法律规范，以保证支持大多数工具生成得 PDF 文件。从 1、4 版本以后，PDF 文件得版本并不唯一得只就是在这里表示了，可能后面会改写（catalog 得 Version 词条），所以解析 PDF 得时候，假如这里得版本大于等于 1、4，应该再比较一下 catalog 里面得 version，取其中高一点得版本。2、对象集合 这就是一个 PDF 文件最重要得部分，文件中用到得所有对象,包括文本/图象/音乐/视频/字体/超连接/加密信息/文档结构信息等等,都在这里定义。格式如下: 2 0 obj 、、、 end obj 一个对象得定义包含 4 个部分：前面得 2 就是对象序号，其用来唯一标记一个对象；0 就是生成号，根据 PDF 法律规范，假如一个 PDF 文件被修改，那这个数字就是累加得，它与对象序号一起标记就是原始对象还就是修改后得对象，但就是实际开发中，很少有用这种方式修改 PDF 得，都就是重新编排对象号；obj 与 endobj 就是对象得定义范围，可以抽象得理解为这就就是一个左括号与右括号；省略号部分就是 PDF 规定得任意合法对象(一共 8 种，见后面附 A)。可以通过 R 关键字来引用任何一个对象，比如要引用上面得对象，可以使用 2 0 R，需要主意得就是，R 关键字不仅可以引用一个已经定义得对象，还可以引用一个并不存在得对象，而且效果就与引用了一个空对象一样。 3、交叉引用表 交叉引用表就是 PDf 文件内部一种特别得文件组织方式，可以很方便得根据对象号随机访问一个对象。其格式如下: xref 0 1 0000000000 65535 f 4 10000000009 00000 n 8 30000000074 00000 n 0000000120 00000 n 0000000179 00000 n 其中,xref 就是开始标志,表示以下为一个交叉引用表得内容;每个...
