PDF新晋开发者须知
Posted ball球
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了PDF新晋开发者须知相关的知识,希望对你有一定的参考价值。
本文是对What new PDF developers need to know的摘要式翻译,同时加入了一些自己的理解。
不要将PDF文件当作“文件”
当你开始学习html时,你可以使用文本编辑器打开一个文件,修改它,然后看看发生了什么。但是你无法对一个PDF文件这样做。 PDF文件本质上是一个二进制数据结构,许多信息是无法直接看到的。哪怕你只修改了其中一个字节都有可能破坏整个文件。
PDF即对象(object)
PDF文件中包含了大量PDF对象(PDF object)。
每个对象有唯一的ID,ID格式如下:
number generation R
- number: 数字编号,1,2,3,4之类
- generation: 第几代?(我也不知道该怎么翻译恰当。)用来表示某个编号被重用的次数,通常为0。那么何时不为0呢?比如一个对象本来为2 0 R(number:2, generation:0), 它被删除了,接着文档中又要插入一个新对象。这时number 2是空闲号码,如果想使用它,就要给新对象赋予ID:2 1 R(number不变,generation加1)。关于此点,在后面讲述xref结构时还会提到。
- R:固定命令字
来一段PDF片段,让你有个感性认识
%PDF-1.4
1 0 obj <</Type /Catalog /Pages 2 0 R>>
endobj
2 0 obj <</Type /Pages /Kids [3 0 R] /Count 1>>
endobj
3 0 obj<</Type /Page /Parent 2 0 R /Resources 4 0 R /MediaBox [0 0 500 800] /Contents 6 1 R>>
endobj
4 0 obj<</Font <</F1 5 0 R>>>>
endobj
5 0 obj<</Type /Font /Subtype /Type1 /BaseFont /Helvetica>>
endobj
有许多不同类型的对象:
- Page Object:描述特定的页面
- Font Object:包含了特定字体的信息
- Form Object:交互式表单(类似HTML的form)
对象中可以引用其它的对象,比如页面对象5 0 R可能引用了资源对象(Resource Object)10 0 R,该资源对象又包括了页面需要的字体对象列表:16 0 R, 17 0 R, 18 0 R。
文档中的对象们可以被想像为一棵树。PDF的根对象(root object)指向页面列表,每个页面指向它们自身所需的资源和内容。
两个看起来一样的PDF其内部可能差异巨大
PDF规范是非常宽泛的,实现同一个目标的方法可以是多种多样的。
PDF中的图片是被“撕裂”的
PDF中的图片被拆解为像素和颜色,以方便它们可以被高效的压缩。JPEG图片很可能使用JPEG压缩格式(DCTDecode或JPXDecode)存储,但它仍需要颜色信息。
必不可少的参考资料 – PDF参考指南
手册非常的庞杂,建议初学者从文件格式概要以及你需要了解的具体部分开始入手。
手册中有很多列子,但你也可以使用其它方式实现。
PDF是其它技术的集合
PDF使用了大量其它技术,包括压缩算法,加密,字体,javascript等等。这使得搞懂PDF难上加难,因为你需要了掌握上面所有的技术。
使用工具
各种平台上都有不同的工具,支持不同的语言(C,JAVA,PERL,php等等)。这使得操作PDF更加便利。使用工具做一些实验,或者读读源码对你了解PDF会非常有帮助。
成为PDF专家并非一朝一夕之事
以上是关于PDF新晋开发者须知的主要内容,如果未能解决你的问题,请参考以下文章
今日活动预告|LF Edge 基金会旗下新晋开源项目分享用 Haskell 玩「贪吃蛇」