【PDF】PDF文件体详解

PDF文件体详解

文件体是PDF文档的核心内容区域，包含了构成文档视觉和结构的所有数据。它由一系列PDF对象组成，这些对象通过对象编号和生成号进行唯一标识。
PDF文件体基本对象类型核心功能对象组织结构布尔对象数值对象字符串对象名称对象数组对象字典对象流对象空对象页面对象内容流对象字体对象资源字典图像对象文档目录页面树资源管理内容流定义页面属性绘制指令字体信息资源集合 Catalog对象 Pages对象 Font/XObject Stream数据

文件体的基本结构

对象定义语法

pdf 复制代码

对象号 生成号 obj
<<
  对象内容
>>
endobj

示例：

pdf 复制代码

4 0 obj
<<
  /Type /Page
  /Parent 3 0 R
  /Resources 5 0 R
  /Contents 6 0 R
  /MediaBox [0 0 612 792]
>>
endobj

PDF对象的八大类型

1. 布尔对象 (Boolean)

表示真或假的值

pdf 复制代码

true
false

2. 数值对象 (Numeric)

包括整数和实数

pdf 复制代码

42          % 整数
-100        % 负整数
3.14        % 实数
123.456     % 实数

3. 字符串对象 (String)

分为文字字符串和十六进制字符串

文字字符串：

pdf 复制代码

(Hello World)           % 简单字符串
(Embedded (nested))     % 嵌套括号
(Special\()             % 转义字符：\(
(Line1\nLine2)          % 换行符

十六进制字符串：

pdf 复制代码

<48656C6C6F>            % "Hello"的十六进制表示
<FFFE0041>              % 带BOM的Unicode字符

4. 名称对象 (Name)

以斜杠开头，用于标识字典中的键和特殊值

pdf 复制代码

/Type
/Page
/F1
/Length
/ASCII85Decode

5. 数组对象 (Array)

有序的对象集合

pdf 复制代码

[0 0 612 792]                           % 页面尺寸数组
[(Hello) (World)]                       % 字符串数组
[1 0 R 2 0 R 3 0 R]                     % 引用对象数组
[/Title /Author /Subject]               % 名称数组

6. 字典对象 (Dictionary)

键值对集合，用双尖括号包裹

pdf 复制代码

<<
  /Type /Page
  /Parent 2 0 R
  /Resources <<
    /Font <<
      /F1 4 0 R
    >>
    /ProcSet [/PDF /Text]
  >>
  /MediaBox [0 0 612 792]
  /Contents 5 0 R
>>

7. 流对象 (Stream)

包含大量二进制数据，通常用于页面内容和图像

pdf 复制代码

7 0 obj
<<
  /Length 85
  /Filter /ASCII85Decode
>>
stream
6YV%f8kLZEQ8dEV5uX8dEV8dLh>5uX8dEV8dLh>5uX8dEV8dLh>5uX8dEV8dLh>5uX
endstream
endobj

8. 空对象 (Null)

表示空值

pdf 复制代码

null

核心对象类型详解

页面对象 (Page Object)

定义页面的基本属性

pdf 复制代码

3 0 obj
<<
  /Type /Page
  /Parent 2 0 R
  /Resources <<
    /Font <<
      /F1 4 0 R
      /F2 5 0 R
    >>
    /XObject <<
      /Im1 6 0 R
    >>
    /ProcSet [/PDF /Text /ImageB]
  >>
  /MediaBox [0 0 612 792]
  /CropBox [36 36 576 756]
  /Contents 7 0 R
  /Rotate 0
>>
endobj

内容流对象 (Content Stream)

包含绘制页面的操作指令

pdf 复制代码

7 0 obj
<<
  /Length 156
>>
stream
q
0.1 0.1 0.1 rg
BT
/F1 24 Tf
72 720 Td
(Hello PDF World) Tj
ET
Q
endstream
endobj

内容流操作符说明：

q / Q：保存/恢复图形状态
BT / ET：开始/结束文本对象
Tf：设置字体和大小
Td：移动文本位置
Tj：显示文本
rg：设置填充颜色

字体对象 (Font Object)

定义文档中使用的字体

pdf 复制代码

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

资源字典 (Resource Dictionary)

集中管理页面资源

pdf 复制代码

8 0 obj
<<
  /Font <<
    /F1 9 0 R
    /F2 10 0 R
  >>
  /XObject <<
    /Image1 11 0 R
    /Form1 12 0 R
  >>
  /ExtGState <<
    /GS1 13 0 R
  >>
  /ProcSet [/PDF /Text /ImageB /ImageC]
>>
endobj

对象引用机制

直接引用

pdf 复制代码

4 0 R        % 引用对象4，生成号0

间接对象定义

pdf 复制代码

1 0 obj      % 定义对象1
(Indirect String)
endobj

引用使用

pdf 复制代码

2 0 obj
<<
  /Title 1 0 R    % 引用对象1的内容
>>
endobj

文件体的组织结构

典型对象层次结构

pdf 复制代码

% 文档目录
1 0 obj << /Type /Catalog /Pages 2 0 R >> endobj

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

% 页面对象
3 0 obj << /Type /Page /Parent 2 0 R /Resources 4 0 R /Contents 5 0 R >> endobj

% 资源字典
4 0 obj << /Font << /F1 6 0 R >> >> endobj

% 内容流
5 0 obj << /Length 44 >> stream ... endstream endobj

% 字体对象
6 0 obj << /Type /Font /Subtype /Type1 /BaseFont /Helvetica >> endobj

文件体的关键特性

1. 对象独立性

每个对象可以独立解析
对象之间通过引用建立关系
支持增量更新

2. 数据压缩

流对象支持多种过滤器
可选的压缩算法：
- /FlateDecode (zlib压缩)
- /ASCII85Decode (ASCII编码)
- /LZWDecode (LZW压缩)

3. 资源管理

字体、图像等资源可共享
通过资源字典统一管理
支持外部资源引用

4. 内容分层

图形状态栈管理
透明度支持
图层组合操作

实际应用示例

创建简单页面

pdf 复制代码

% 页面内容流
10 0 obj
<<
  /Length 200
>>
stream
1.0 0.0 0.0 RG           % 设置红色描边
2 w                      % 设置线宽
100 100 m                % 移动到起点
200 200 l                % 画线到终点
S                         % 描边路径
0.0 0.0 1.0 rg           % 设置蓝色填充
100 500 100 50 re        % 绘制矩形
f                         % 填充路径
BT
/F1 12 Tf
100 400 Td
(Hello PDF!) Tj
ET
endstream
endobj

文件体通过这种结构化的对象组织方式，实现了文档内容的模块化管理和高效渲染，是PDF格式能够处理复杂文档内容的技术基础。