jpg图片无损放入PDF的程序，PDF文件格式分析，图像表达方式

wxleasyland@139.com

用打印的方式，一般是将JPG解码后的数据发给打印机，而不是JPG原始数据，所以PDF打印机会重新压缩。

不对JPG图像进行解压，直接将JPG图像传送到虚拟打印机，也是可以的，但需要虚拟打印机支持、打印软件支持才行。

用直接文件转换的方法来转换成PDF，会比较好。

参见《图像转PDF的问题、方法及题外话》，很好很有深度的文章。

图片放WORD2007中，再打印dopdf，得到的pdf中的图片居然分成了2个。说明WORD不是直接将JPG传给dopdf的。

源JPG图像acdsee打印到dopdf，会根据情况：

如果显示到页面上比较大，则PDF中的图片是源图像分辨率，但PDF中的图像数据和源JPG图像数据不同，不像是acdsee直接传JPG给dopdf；

如果显示到页面上比较小，则PDF中的图片分辨率比源图像小，应是acdsee有缩小分辨率再打印给dopdf。

所以，还是自己直接将JPG源文件嵌到PDF中吧，达到无损插入不再重新压缩解压，应该不太难，研究下。

一、PDF格式简单分析

PDF内容是区分大小写的

PDF由一个个对象组成

一般是一个个“间接”对象，再加上文件头、xref、trailer、startxref、文件结束标识。

间接对象：就是比如像（对象号为12，版本号为0，obj表示是一个间接对象）

12 0 obj

对象内容

endobj

xref和trailer可以改成用交叉流对象，现在流行这样的方式，见后述。

对象还可以放在另一个对象（流对象）里，用索引号的方式引用。现在流行这样的方式。

PDF按行进行存贮，行末有回车

行末有回车，回车可以是0D，或0A，或0D 0A。

PDF规范：The carriage return (CR) and line feed (LF) characters, also called newline characters, are treated as end-of-line (EOL) markers. The combination of a carriage return followed immediately by a line feed is treated as one EOL marker. For the most part, EOL markers are treated the same as any other white-space characters. However, sometimes an EOL marker is required or recommended—that is, the following token must appear at the beginning of a line.

CR、LF都当作是EOL，CR LF组合也当作是一个EOL。

Each line is terminated by an end-of-line (EOL) marker, which may be a carriage return (character code 13), a line feed (character code 10), or both.

实际发现，如果采用OD OA作为回车，ACROBAT READER关闭时会提示保存文件，如果采用0A作为回车，一切正常。哎，可能还是有区别的，只采用0A作为回车吧，即\n。

另外，如果stream流数据是二进制的，放入PDF时，需要在流数据后面加一个回车，这个回车不属于流数据，不算在流数据的/Length里，而是属于PDF的格式。

如果stream流数据是文本，如果本身最后带回车，则可以不再加回车了，本身的回车算在流数据的/Length里。

PDF数据类型（对象）

实际是叫它对象，所有东西皆对象，这里还是叫它类型吧。

空类型：null。

布尔类型：True ， false。

数字类型：以十进制表示。

串类型：包含在()内。

名称类型：以斜线/打头。

数组类型：包含在[]内。

“字典”Dictionary类型：是指一系列属性值的集合，包含在双尖括号 << >> 内，每两个元素为一对，第一个为key, 第二个为value。字典的存贮方式可以不采用回车，直接连着写。

流类型：包含在间接对象的标识符Stream和endstream内。

间接对象：见前述。要使用一个间接对象，用这样12 0 R（对象编号、版本号及关键字R），R表示引用该对象。

PDF文件分析示例：

ACDSEE打印到DOPDF，PDF是DOPDF生成的：即ACDSEE把解码后的图像数据传给DOPDF，DOPDF生成PDF。

得到的PDF文件，分析如下：

%PDF-1.5 文件头

%忏嫌从%字符后面的所有的资料都是注解（除了流数据中的%字符外）

6 0 obj 间接对象，对象6存贮了图像（对象号=6 对象版本号=0 obj表示是一个间接对象）

<< 字典开始

/Type /XObject 对象类型是XObject

/Subtype /Image 是一个图像

/BitsPerComponent 8 每个颜色成份8bit

/Width 1200 图像宽像素

/Height 1600 图像高像素

/ColorSpace /DeviceRGB 颜色空间

/Filter /DCTDecode 解码器是采用JPEG图像格式

/Length 224129 流数据的长度（已验证，就是纯流数据的长度）

>> 字典结束

stream

。。。。。。。。。。。流数据，注意最后会加一个回车，这个回车不属于流数据，而是属于PDF的格式。这里是JPEG图像文件的内容，和.jpg文件内容完全一模一样，可以直接提取出来作为.jpg文件。

endstream

endobj

1 0 obj 对象1存贮了目录

/Type /Catalog

/Pages 2 0 R pages对象是对象号0， R表示引用该对象

/PageLayout /OneColumn

/PageMode /UseNone

endobj

2 0 obj 对象2存贮了pages

/Type /Pages

/Kids [3 0 R ] kids对象说明它的子页对象为对象号3， R表示引用该对象

/Count 1 页码数量为1

endobj

3 0 obj 对象3存贮了页page

/Type /Page

/Parent 2 0 R 其父对象号为对象号2（即Pages 对象）， R表示引用该对象

/Resources << 该页包含的资源

/ProcSet [/PDF /Text ]

/XObject <<

/Img1 6 0 R

/MediaBox [0 0 595 842] 页面大小，左下角、右上角坐标，以1/72英寸为单位，即A4纸X210mm,Y297mm纵向

/Contents 4 0 R 页面内容在对象号4， R表示引用该对象

endobj

4 0 obj 对象4存贮了页面内容Contents（页面内容就是在单页上有什么文字、图像）

/Filter /FlateDecode 流数据采用ZLIB flate压缩

/Length 57 流数据长度

stream

x^+?BC 这里是deflate压缩过的ZLIB格式流数据（注：不flate压缩也是可以的，流数据直接就是文本字符，前面/Filter要去掉）

解压出来是：

q --保存图像状态到堆栈

1 0 0 1 0 24.2399 cm --移动单位矩形到(0,24.2399) ,即Y轴24.2399*1/72*25.4=8.6厘米处

595.2 0 0 793.44 0 0 cm --扩大单位矩形成大矩形，即宽210mm, 高280mm

/Img1 Do --将图像绘制到大矩形内

Q --从堆栈恢复图像状态

endstream

endobj

5 0 obj 对象5存贮了摘要资讯（可以省略）

/Producer <FEFF0064006F005000440046002000560065007200200037002E00330020004200750069006C00640020003300390031002000280075006E006B006E006F0077006E002000570069006E0064006F00770073002000760065007200730069006F006E0020002D002000560065007200730069006F006E003A002000310030002E0030002E003100390030003400320020002800780036003400290029>

/CreationDate (D:20211014085321+08'00')

endobj

xref 交叉引用表

0 7 0（开始的对象号，即从0开始），7（对象个数）

0000000000 65535 f 每个参照表项目固定20字节，第一行是对象号0，第二行是1。。。

0000224341 00000 n 对象的在文件中的位置；对象的生成号；对象的状态（f/n）

0000224445 00000 n 对象的在文件中的位置即十进制偏移字节地址

0000224513 00000 n 对象的生成号表示对象的修改次数

0000224694 00000 n n表示对象使用中

0000224829 00000 n

0000000015 00000 n

trailer 文件尾

/Root 1 0 R Catalog的对象号， R表示引用该对象

/Info 5 0 R 摘要资讯的对象号， R表示引用该对象

/Size 7 整个PDF文件的对象个数

startxref

225222 xref之前有多少十进制字节（即偏移地址）

%%EOF 文件结束标识

用交叉流对象来表示xref和trailer

xref交叉引用表和trailer文件尾的数据内容可以合并成一个交叉流间接对象Cross-Reference Stream，这时格式就完全不一样了，比较复杂。

这时没有xref、trailer标识符了。

仍有startxref标识符，指出了交叉流对象的偏移地址。

交叉流对象数据像这样（字典的存贮方式可以不采用回车）：（另外一个文件的例子）

770 0 obj回车<</Type /XRef/W[1 4 2]/Index[0 771]/Size 771/Filter /FlateDecode/DecodeParms<</Columns 7/Predictor 12>>/Length 2112/Root 743 0 R /Info 744 0 R /ID[<3059271D5C7E2ACF3781F77575989593><6A52ACB6B7B6F9DCCAABBB69674BFB1A>]>>stream回车。。。endstream回车

我加上回车是这样：（格式参见PDF规范：Cross-Reference Stream Dictionary）

770 0 obj

/Type /XRef --表示是交叉流对象

/W[1 4 2] --表示解码后的流数据，每个entry格式是1字节+4字节+2字节

/Index[0 771] --表示解码后的流数据中，代表的对象是从对象号0开始，共771个

/Size 771 --表示比最大对象号大1的数值

/Filter /FlateDecode --表示需采用ZLIB flate压缩

/DecodeParms<</Columns 7/Predictor 12>> -- Predictor 12表示需要用PNG filter2=filter up过滤器反向解码，Columns 7表示一行7个字节数据，参见PDF规范：Predictor values

/Length 2112 --表示流数据长2112字节（未解压的）

/Root 743 0 R

/Info 744 0 R

/ID[<3059271D5C7E2ACF3781F77575989593><6A52ACB6B7B6F9DCCAABBB69674BFB1A>]