PDFIUM如何处理宽度数组

文章目录

• • [一、W=[1,3,1] 时的 PDF 文件内二进制布局](#一、W=[1,3,1] 时的 PDF 文件内二进制布局)
  • • [示例：一个包含 3 个条目的 XRef 流数据（十六进制）](#示例：一个包含 3 个条目的 XRef 流数据（十六进制）)
    • • [条目0 (字节 0~4)：](#条目0 (字节 0~4)：)
      • [条目1 (字节 5~9)：](#条目1 (字节 5~9)：)
      • [条目2 (字节 10~14)：](#条目2 (字节 10~14)：)
    • 图示：条目0的二进制布局（带字节索引）
  • [二、PDFium 代码如何解析这个 W=[1,3,1] 的流](#二、PDFium 代码如何解析这个 W=[1,3,1] 的流)
  • • [2.1 读取 W 数组](#2.1 读取 W 数组)
    • [2.2 加载流数据](#2.2 加载流数据)
    • [2.3 遍历条目并解析](#2.3 遍历条目并解析)
    • [2.4 具体执行过程（针对条目0）](#2.4 具体执行过程（针对条目0）)
  • [三、代码与 PDF 结构的完整映射图](#三、代码与 PDF 结构的完整映射图)
  • [四、对比不同 W 数组的差异](#四、对比不同 W 数组的差异)
  • 五、完整解析流程图（结合代码与数据）

您说得对，我需要把 PDF 二进制结构、代码、以及一个具体例子（W=[1,3,1]）三者紧密结合起来，让您看到每一个字节是如何被代码处理的。

---

一、W=[1,3,1] 时的 PDF 文件内二进制布局

假设一个 XRef 流的 /W 数组为 [1 3 1]，这意味着：

字段	宽度(字节)	含义
类型(Type)	1	0=空闲,1=未压缩对象,2=压缩对象
字段2	3	type=1时是文件偏移，type=2时是对象流编号
生成号(Gen)	1	对象的生成号（通常为0）

每个条目总宽度 = 1 + 3 + 1 = 5 字节。

示例：一个包含 3 个条目的 XRef 流数据（十六进制）

假设流中连续存放 3 个条目，原始字节如下（以十六进制表示）：

地址  字节内容                    说明
0:     01 00 01 00 00          ← 条目0 (对象0)
5:     02 00 00 01 00          ← 条目1 (对象1)
10:    00 00 00 00 00          ← 条目2 (对象2)

解析每个条目：

条目0 (字节 0~4)：

01       00 01 00       00
│        └──┬──┘        │
类型=1     字段2=0x000100=256   生成号=0
含义：未压缩对象，位于文件偏移 256 字节处，生成号 0。

条目1 (字节 5~9)：

02       00 00 01       00
│        └──┬──┘        │
类型=2     字段2=0x000001=1     生成号=0
含义：压缩对象，位于对象流 #1 中，生成号 0。

条目2 (字节 10~14)：

00       00 00 00       00
│        └──┬──┘        │
类型=0     字段2=0       生成号=0
含义：空闲对象（已删除或未使用）。

图示：条目0的二进制布局（带字节索引）

条目0 (5字节):
+--------+------------------------+--------+
| 字节0  | 字节1 | 字节2 | 字节3  | 字节4  |
| 类型   |     字段2 (大端)       | 生成号 |
| 0x01   | 0x00  | 0x01  | 0x00  | 0x00   |
+--------+------------------------+--------+

---

二、PDFium 代码如何解析这个 W=[1,3,1] 的流

2.1 读取 W 数组

CPDF_Array* pArray = pDict->GetArrayFor("W");
std::vector<uint32_t> WidthArray;
for (size_t i = 0; i < pArray->GetCount(); ++i)
    WidthArray.push_back(pArray->GetIntegerAt(i));
// 此时 WidthArray = [1, 3, 1]

uint32_t totalWidth = WidthArray[0] + WidthArray[1] + WidthArray[2];
// totalWidth = 1 + 3 + 1 = 5

2.2 加载流数据

auto pAcc = pdfium::MakeRetain<CPDF_StreamAcc>(pStream);
pAcc->LoadAllData();
const uint8_t* pData = pAcc->GetData();   // 指向流数据的第一个字节
uint32_t dwTotalSize = pAcc->GetSize();   // 假设 >= 15 (3个条目*5字节)

2.3 遍历条目并解析

假设 Index 数组指定了 [0 3]（即对象0,1,2都在此流中），那么 segindex=0，count=3。

const uint8_t* segstart = pData + segindex * totalWidth; // segstart = pData

for (uint32_t j = 0; j < count; j++) {
    const uint8_t* entrystart = segstart + j * totalWidth; // 每个条目起始
    
    // 读取类型 (宽度=1)
    int32_t type = 1;  // 默认值
    if (WidthArray[0])   // 1 > 0
        type = GetVarInt(entrystart, WidthArray[0]);  // 读1字节
    
    // 读取字段2 (宽度=3)
    FX_FILESIZE field2 = 0;
    if (WidthArray[1])   // 3 > 0
        field2 = GetVarInt(entrystart + WidthArray[0], WidthArray[1]); // 偏移1字节，读3字节
    
    // 读取生成号 (宽度=1)
    int32_t gen = 0;
    if (WidthArray[2])   // 1 > 0
        gen = GetVarInt(entrystart + WidthArray[0] + WidthArray[1], WidthArray[2]); // 偏移4字节，读1字节
    
    // 根据 type 处理
    m_ObjectInfo[startnum + j].type = type;
    if (type == 0) {
        m_ObjectInfo[startnum + j].pos = 0;
    } else {
        m_ObjectInfo[startnum + j].pos = field2;
        if (type == 1) {
            m_SortedOffset.insert(field2);
        } else if (type == 2) {
            // 标记对象流
            m_ObjectInfo[field2].type = 255;
        }
    }
}

2.4 具体执行过程（针对条目0）

j = 0:
entrystart = pData + 0*5 = pData (指向 0x01)
WidthArray[0]=1 → type = GetVarInt(entrystart, 1) = 0x01 = 1
field2 = GetVarInt(entrystart+1, 3) = 读取字节1,2,3: 0x00,0x01,0x00 → 大端 = 0x000100 = 256
gen = GetVarInt(entrystart+4, 1) = 0x00 = 0

type=1 → m_ObjectInfo[0].pos=256, type=1, gennum=0; 插入 m_SortedOffset(256)

条目1：

entrystart = pData + 5
type = 0x02 = 2
field2 = 读取 0x00,0x00,0x01 = 1
gen = 0x00 = 0
type=2 → m_ObjectInfo[1].pos=1, type=2; 且 m_ObjectInfo[1].type=255 (标记对象流1)

条目2：

entrystart = pData + 10
type = 0x00 = 0
field2 = 0
gen = 0
type=0 → m_ObjectInfo[2].pos=0, type=0

---

三、代码与 PDF 结构的完整映射图

PDF 文件中的 XRef 流 (W=[1,3,1]) 二进制数据:

偏移(相对流起始)  字节内容(十六进制)   字段解析
0:               01                  → type=1
1-3:             00 01 00            → field2=256 (大端)
4:               00                  → gen=0
---------------------------------------------
5:               02                  → type=2
6-8:             00 00 01            → field2=1
9:               00                  → gen=0
---------------------------------------------
10:              00                  → type=0
11-13:           00 00 00            → field2=0
14:              00                  → gen=0

PDFium 代码如何读取:

uint8_t* p = pData;  // 指向偏移0

// 条目0
int type = GetVarInt(p, 1);          // p[0]=0x01 → 1
int64_t field2 = GetVarInt(p+1, 3);  // p[1..3]=0x000100 → 256
int gen = GetVarInt(p+4, 1);         // p[4]=0x00 → 0
p += 5;  // 移动到下一个条目

// 条目1
type = GetVarInt(p, 1);              // 0x02 → 2
field2 = GetVarInt(p+1, 3);          // 0x000001 → 1
gen = GetVarInt(p+4, 1);             // 0x00 → 0
p += 5;

// 条目2
...

---

四、对比不同 W 数组的差异

W 数组	每个条目字节数	类型字段	字段2宽度	生成号宽度	示例用途
[1,4,1]	6	1字节	4字节	1字节	常规文件（偏移<4GB）
[1,3,1]	5	1字节	3字节	1字节	小文件（偏移<16MB）
[0,4,1]	5	默认1	4字节	1字节	所有对象都是未压缩的
[1,8,2]	11	1字节	8字节	2字节	超大文件（64位偏移）
[0,8,0]	8	默认1	8字节	默认0	极致压缩，只有偏移

代码的通用性：无论哪种组合，上述三段解析代码都能工作，因为：

• 宽度值决定读取字节数
• 宽度为0时跳过读取并使用默认值
• 指针偏移通过累加宽度精确计算

---

五、完整解析流程图（结合代码与数据）

PDF 文件
   │
   ▼
解析 XRef 流对象
   │
   ├── 读取 /W → [1,3,1] → totalWidth=5
   │
   ├── 读取 /Index → [0,3] → 对象0,1,2
   │
   ├── 读取流数据 (15字节)
   │
   └── 循环每个对象 (j=0..2)
          │
          ├── entrystart = pData + j*5
          │
          ├── type = (WidthArray[0]?GetVarInt(entrystart,1):1)
          ├── field2 = (WidthArray[1]?GetVarInt(entrystart+1,3):0)
          ├── gen = (WidthArray[2]?GetVarInt(entrystart+4,1):0)
          │
          └── 存储到 m_ObjectInfo[objnum]

希望这个结合了具体 W=[1,3,1] 例子、二进制字节布局、代码逐行解析的答案能让您彻底理解 PDFium 的处理方式。如果还有任何疑问，请指出具体哪一行或哪一个字节不清楚。