pdf格式分析(1) -- 文本和二进制混排

pdf一个很大的特色是文本和二进制混排。

文本格式无需专门的工具就可以读写，在编写程序的过程中也容易检查。另外容易扩展，比如将数字直接写成文本，就没有数据溢出的问题。最开始数字表示用32位，后来发觉需要使用64位，这种扩展是很麻烦的。又比如xml的格式，最开始只需要3个属性，后来添加了5个属性，也完全是兼容旧版的。文本格式鼓励尽量使用简单的结构。还是以xml为例，通常xml输出的时候会以分层缩进的形式，如果结构复杂，层次太深，用文本编辑器打开的时候会很难看。

文本格式有很多好处，唯一的缺点是不够紧凑，在处理大批量的数据时，文件会比较大，读取也会比较慢。如1234567.12345，可以用4字节的二进制浮点数表示, 但用文本就需要13字节，读取时候也要先将字符转成数字才可以使用。

二进制的优缺点跟正好跟文本相反，需要专门的工具，不容易调试，不容易扩展，往往结构会越来越复杂。优点是紧凑。

pdf采用文本和二进制的混排，比较好的继承了二者的优点，结构简单，扩展性好，另外尺寸也比较小。

很多时候，不仅仅需要关注细节的，更重要的是问为什么。知道为什么要这样做，具体细节就容易理解很多了。通常设计者在设计的时候会遇到一些约束，在当时的情况下，那样的设计的合理的。但随着时间的推移，那约束可能会不存在，那设计就会看起来很笨，但这并不代表我们就比前人聪明。尽量站在当时的角度，设计者设计的时候是一种思维模式，如果用自己的很不同的思维模式去想，很多东西是根本想不明白的。

pdf的整体结构，类似一个小型的文本语言，也会有语法，关键字，也会有注释。而pdf的具体数据内容，多数以二进制的方式存储，更具体是当中的流。