PDF 基础数据

PDF（Portable Document Format）是一种广泛使用的文档格式，由 Adobe 公司开发。了解 PDF 的基础数据结构对于深入理解 PDF 文件格式和进行 PDF 处理非常重要。本文将详细介绍 PDF 文件中的基本数据结构。

[1. PDF 文件的基本结构](#1. PDF 文件的基本结构 "#1-pdf-%E6%96%87%E4%BB%B6%E7%9A%84%E5%9F%BA%E6%9C%AC%E7%BB%93%E6%9E%84")
- [1.1 文件头（Header）](#1.1 文件头（Header） "#11-%E6%96%87%E4%BB%B6%E5%A4%B4header")
- [1.2 文件体（Body）](#1.2 文件体（Body） "#12-%E6%96%87%E4%BB%B6%E4%BD%93body")
- [1.3 交叉引用表（Cross-reference Table）](#1.3 交叉引用表（Cross-reference Table） "#13-%E4%BA%A4%E5%8F%89%E5%BC%95%E7%94%A8%E8%A1%A8cross-reference-table")
- [1.4 文件尾（Trailer）](#1.4 文件尾（Trailer） "#14-%E6%96%87%E4%BB%B6%E5%B0%BEtrailer")
- [1.5 完整示例](#1.5 完整示例 "#15-%E5%AE%8C%E6%95%B4%E7%A4%BA%E4%BE%8B")
[2. PDF 基本数据类型](#2. PDF 基本数据类型 "#2-pdf-%E5%9F%BA%E6%9C%AC%E6%95%B0%E6%8D%AE%E7%B1%BB%E5%9E%8B")
- [2.1 布尔值（Boolean）](#2.1 布尔值（Boolean） "#21-%E5%B8%83%E5%B0%94%E5%80%BCboolean")
- [2.2 数字（Number）](#2.2 数字（Number） "#22-%E6%95%B0%E5%AD%97number")
- [2.3 字符串（String）](#2.3 字符串（String） "#23-%E5%AD%97%E7%AC%A6%E4%B8%B2string")
- [2.4 名称（Name）](#2.4 名称（Name） "#24-%E5%90%8D%E7%A7%B0name")
- [2.5 数组（Array）](#2.5 数组（Array） "#25-%E6%95%B0%E7%BB%84array")
- [2.6 字典（Dictionary）](#2.6 字典（Dictionary） "#26-%E5%AD%97%E5%85%B8dictionary")
- [2.7 流（Stream）](#2.7 流（Stream） "#27-%E6%B5%81stream")
[3. PDF 对象引用](#3. PDF 对象引用 "#3-pdf-%E5%AF%B9%E8%B1%A1%E5%BC%95%E7%94%A8")
[4. 常用 PDF 对象类型](#4. 常用 PDF 对象类型 "#4-%E5%B8%B8%E7%94%A8-pdf-%E5%AF%B9%E8%B1%A1%E7%B1%BB%E5%9E%8B")
- [4.1 页面对象（Page）](#4.1 页面对象（Page） "#41-%E9%A1%B5%E9%9D%A2%E5%AF%B9%E8%B1%A1page")
- [4.2 内容流（Content Stream）](#4.2 内容流（Content Stream） "#42-%E5%86%85%E5%AE%B9%E6%B5%81content-stream")
- [4.3 字体对象（Font）](#4.3 字体对象（Font） "#43-%E5%AD%97%E4%BD%93%E5%AF%B9%E8%B1%A1font")
- [4.4 图像对象（Image）](#4.4 图像对象（Image） "#44-%E5%9B%BE%E5%83%8F%E5%AF%B9%E8%B1%A1image")

1. PDF 文件的基本结构

PDF 文件由以下几个主要部分组成，每个部分都有其特定的功能和格式。

文件头是 PDF 文件的开始部分，包含版本信息和标识符。

pdf 复制代码

%PDF-1.7
%¥±ë

💡 说明：

第一行 %PDF-1.7 指定 PDF 版本为 1.7

第二行 %¥±ë 是二进制注释，用于标识文件为 PDF 格式

1.2 文件体（Body）

文件体包含文档的所有内容，由一系列对象组成。

pdf 复制代码

1 0 obj
<<
  /Type /Catalog
  /Pages 2 0 R
>>
endobj

2 0 obj
<<
  /Type /Pages
  /Kids [3 0 R]
  /Count 1
>>
endobj

📝 要点：

每个对象都有唯一的编号和生成号

对象之间通过引用相互关联

对象可以是字典、数组、流等类型

1.3 交叉引用表（Cross-reference Table）

交叉引用表记录所有对象的位置，用于快速定位对象。

pdf 复制代码

xref
0 6
0000000000 65535 f
0000000010 00000 n
0000000056 00000 n
0000000112 00000 n
0000000204 00000 n
0000000256 00000 n

🔍 解析：

第一行 0 6 表示从对象 0 开始，共 6 个条目

每行包含：

对象在文件中的偏移量（10位数字）

生成号（5位数字）

状态标记（n 表示使用中，f 表示空闲）

例如 0000000010 00000 n 表示对象 1 在文件偏移量 10 处

1.4 文件尾（Trailer）

文件尾包含文档的根对象引用和文件结束标记。

pdf 复制代码

trailer
<<
  /Size 6
  /Root 1 0 R
>>
startxref
320
%%EOF

📌 关键字段：

/Size 指定交叉引用表中的条目数

/Root 指向文档的根对象（通常是目录对象）

startxref 指定交叉引用表的起始位置

%%EOF 是文件结束标记

1.5 完整示例

下面是一个完整的 PDF 文件结构示例：

pdf 复制代码

%PDF-1.7
%¥±ë

1 0 obj
<<
  /Type /Catalog
  /Pages 2 0 R
>>
endobj

2 0 obj
<<
  /Type /Pages
  /Kids [3 0 R]
  /Count 1
>>
endobj

3 0 obj
<<
  /Type /Page
  /Parent 2 0 R
  /Resources <<
    /Font <<
      /F1 4 0 R
    >>
  >>
  /Contents 5 0 R
  /MediaBox [0 0 595 842]
>>
endobj

4 0 obj
<<
  /Type /Font
  /Subtype /Type1
  /BaseFont /Helvetica
  /Encoding /WinAnsiEncoding
>>
endobj

5 0 obj
<<
  /Length 100
>>
stream
BT
/F1 12 Tf
100 700 Td
(Hello World) Tj
ET
endstream
endobj

xref
0 6
0000000000 65535 f
0000000010 00000 n
0000000056 00000 n
0000000112 00000 n
0000000204 00000 n
0000000256 00000 n

trailer
<<
  /Size 6
  /Root 1 0 R
>>
startxref
320
%%EOF

🌟 示例说明：这个示例展示了一个简单的 PDF 文件结构：

文件头声明 PDF 版本

文件体包含 5 个对象：

目录对象（Catalog）

页面树对象（Pages）

页面对象（Page）

字体对象（Font）

内容流对象（Content Stream）

交叉引用表记录所有对象的位置

文件尾包含文档的根对象引用和交叉引用表位置

2. PDF 基本数据类型

PDF 支持多种基本数据类型，每种类型都有其特定的语法和用途。

2.1 布尔值（Boolean）

布尔值表示真或假。

pdf 复制代码

/NeedAppearances true

2.2 数字（Number）

数字可以是整数或实数。

pdf 复制代码

/Width 595.28

2.3 字符串（String）

字符串用括号括起来，支持转义字符。

pdf 复制代码

(Hello World)
(Hello\nWorld)  # 包含换行符

2.4 名称（Name）

名称以 / 开头，用于标识对象。

pdf 复制代码

/Type /Font
/#20#20  # 表示两个空格

2.5 数组（Array）

数组用方括号括起来，可以包含不同类型的元素。

pdf 复制代码

[1 2 3]
[1 (text) /Name]  # 混合类型数组

2.6 字典（Dictionary）

字典用双尖括号括起来，包含键值对。

pdf 复制代码

<<
  /Type /Page
  /Parent 2 0 R
  /Resources <<
    /Font <<
      /F1 3 0 R
    >>
  >>
  /MediaBox [0 0 595 842]
>>

2.7 流（Stream）

流包含二进制数据，通常用于存储图像、字体等。

pdf 复制代码

<<
  /Length 100
  /Filter /FlateDecode
>>
stream
...二进制数据...
endstream

3. PDF 对象引用

PDF 使用对象引用来建立对象之间的关系。

pdf 复制代码

1 0 obj
<<
  /Type /Catalog
  /Pages 2 0 R
>>
endobj

2 0 obj
<<
  /Type /Pages
  /Kids [3 0 R]
  /Count 1
>>
endobj

📝 格式说明：

格式：对象编号生成号 R

示例：2 0 R 表示编号为 2，生成号为 0 的对象

4. 常用 PDF 对象类型

4.1 页面对象（Page）

页面对象定义页面的内容和属性。

pdf 复制代码

3 0 obj
<<
  /Type /Page
  /Parent 2 0 R
  /Resources <<
    /Font <<
      /F1 4 0 R
    >>
  >>
  /Contents 5 0 R
  /MediaBox [0 0 595 842]
>>
endobj

4.2 内容流（Content Stream）

内容流包含页面的实际内容。

pdf 复制代码

5 0 obj
<<
  /Length 100
>>
stream
BT
/F1 12 Tf
100 700 Td
(Hello World) Tj
ET
endstream
endobj

4.3 字体对象（Font）

字体对象定义文本使用的字体。

pdf 复制代码

4 0 obj
<<
  /Type /Font
  /Subtype /Type1
  /BaseFont /Helvetica
  /Encoding /WinAnsiEncoding
>>
endobj

4.4 图像对象（Image）

图像对象存储图像数据。

pdf 复制代码

6 0 obj
<<
  /Type /XObject
  /Subtype /Image
  /Width 100
  /Height 100
  /ColorSpace /DeviceRGB
  /BitsPerComponent 8
  /Filter /DCTDecode
>>
stream
...JPEG 图像数据...
endstream
endobj

目录

1. PDF 文件的基本结构

1.1 文件头（Header）

1.2 文件体（Body）

1.3 交叉引用表（Cross-reference Table）

1.4 文件尾（Trailer）

1.5 完整示例

2. PDF 基本数据类型

2.1 布尔值（Boolean）

2.2 数字（Number）

2.3 字符串（String）

2.4 名称（Name）

2.5 数组（Array）

2.6 字典（Dictionary）

2.7 流（Stream）

3. PDF 对象引用

4. 常用 PDF 对象类型

4.1 页面对象（Page）

4.2 内容流（Content Stream）

4.3 字体对象（Font）

4.4 图像对象（Image）