PDF参照流分析

最新推荐文章于 2021-07-16 09:38:13 发布

chp845

最新推荐文章于 2021-07-16 09:38:13 发布

阅读量2.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： PDF学习文章标签： byte colors filter 存储算法 c

本文链接：https://blog.youkuaiyun.com/chp845/article/details/7419877

PDF1.5中，参照信息存储在参照流而非参照表，提供更紧凑的表示和对压缩对象的访问。本文将分析PDF参照流，包括对象号、生成号、过滤器类别（如FlateDecode）、解码参数及其含义，如Columns和Predictor，并讨论如何应用解压算法进行数据解析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

从PDF1.5开始，参照信息被存储在参照流中而不是参照表中。参照流提高以下优势：

 更简洁紧凑的表示参照信息。
 可以访问存储在对象流中的压缩对象（参看3.4.6部分，“对象流”），并允许以后加入新
的参照选项类型。

但是也提高了一定的解析数据的难度，下面我将对PDF参照流进行分析：
读取一个sample.pdf(获取start xref地址获取firt-page cross-reference)

35 0 obj
<</DecodeParms<</Columns 4/Predictor 12>>/Filter/FlateDecode/ID[<D0D1F903C5032042884E61B2933652DA><F929944EC68A3543A18A40F2E7630A9D>]/Index[24 23]/Info 23 0 R/Length 61/Prev 12284/Root 25 0 R/Size 47/Type/XRef/W[1 2 1]>>stream
h辀bd``b`?M 恅?,驛,%怐愢?$轎0012?
endstream
endobj

先来分析下数据：
35 0 ：代表对象号为35，0为生成号，有什么不懂可以去查下PDF reference
Filter ：代表过滤器类别，这里是 FlateDecode，我们可以使用zlib的inflate来完成解压

DecodeParms：这个主要代表是解码参数,colunms代表每行样例数，Predictor为使用png filter，其实还涉及两个参数：BitsPerComponent 默认值为8 Colors 默认值为1

W:表示数据域分别为 1个字节 2个字节和一个字节

现在针对上面数据进行分析：如果熟悉png解析的人，很容易理解下面的算法：