根据规格的最小 PDF 大小

Posted 2023-02-24

【中文标题】根据规格的最小 PDF 大小

【英文标题】：Minimal PDF size according to specs

【发布时间】：2016-04-25 12:36:01

【问题描述】：

我正在阅读 PDF 规范，但我对它的结构有一些疑问。

首先，文件签名是%PDF-n.m（8字节）。 在那之后，文档说可能有至少 4字节的二进制数据（但也可能没有）。文档没有说可能有多少二进制字节，所以这是我的第一个问题。如果我试图解析 PDF 文件，我应该如何解析那部分？我怎么知道放在那里的二进制字节（如果有的话）？我应该在哪里停止解析？

在那之后，应该有一个正文、一个外部参照表和一个预告片以及一个%%EOF。

假设 PDF 文件中根本没有任何内容（没有任何对象）并且假设文件开头不包含可选的二进制字节部分，那么 PDF 的最小文件大小可能是多少？

第三个也是最后一个问题：如果有多个 body+xref+trailer 部分，在 %%EOF 指向之前会偏移哪里？第一个还是最后一个xref 表？

【问题讨论】：

第二行不能是任意的“二进制数据”——它只是一个注释行。话虽如此：您可以将其解析为任何随机注释行。

@Jongware 不，据我在规范中看到的，这些实际上是 至少 4 个完全随机的字节。

不是完全随机的——它应该仍然是可解析的！ Adobe 自己的指南（我的 iPad 上没有 ISO-32000）在 3.4.1 中说“包含至少四个二进制字符的注释行”。注意“评论”；想象你的第一个角色是一个LF！ （他们还使用“二进制”作为字符代码 >128 的同义词：P 他们的明确意思是“设置了最高位”。）

@Jongware 啊，是的，我也是这么想的。无论如何，我怎么知道 PDF 有多少个二进制字符？我应该寻找任何“断点”吗？

哦...我刚刚意识到...值 > 128... 我应该只搜索值

【参考方案1】：

首先，文件签名是 %PDF-n.m（8 字节）。在那之后，文档说可能至少有 4 个字节的二进制数据（但也可能没有）。文档没有说可能有多少二进制字节，所以这是我的第一个问题。如果我试图解析 PDF 文件，我应该如何解析那部分？我怎么知道放在那里的二进制字节（如果有的话）？我应该在哪里停止解析？

您有哪些文档？ PDF 规范ISO 32000-1 说：

如果 PDF 文件包含二进制数据，大多数情况下（参见 7.2，“词汇约定”），标题行应为 紧随其后的 comment line 至少包含四个二进制字符，即 代码为 128 或更大。

因此，那些至少 4 字节的二进制数据并没有紧跟在没有任何结构的文件签名之后，而是在注释行！这意味着他们是

前面有 %（它开始注释，即在解析时必须忽略的数据）和 后跟换行符，即 CR、LF 或 CR LF。

因此在解析时很容易识别。特别是它只是注释行的一个特例，没有什么特别的处理。

（叹气，我刚刚看到你和@Jongware 在我写这篇文章时在 cmets 中清除了它......）

假设 PDF 文件中根本没有任何内容（没有任何对象）并且假设文件开头不包含可选的二进制字节部分，那么 PDF 的最小文件大小可能是多少？

如果没有对象，则您没有 PDF 文件，因为 PDF 文件中需要某些对象，尤其是目录。那么您的意思是最小的有效 PDF 文件吗？

正如您评论的那样，您确实是指最小的有效 PDF。

请查看 *** 上的问题What is the smallest possible valid PDF?，有一些尝试创建或多或少严格遵守规范的最小 PDF。阅读例如@plinth's answer 您将看到不再是 PDF 但仍被 Adob​​e Reader 接受的内容。

第三个也是最后一个问题：如果有多个主体+外部参照+拖车部分，在 %%EOF 指向之前会偏移哪里？

通常它是最后一个交叉引用表/流，因为通常的用例是

您从只有一个交叉引用部分的 PDF 开始； 您附加了一个增量更新，其中交叉引用部分指向原始作为previous，%%EOF 之前的新偏移量指向该新交叉引用； 您附加了另一个增量更新，其中交叉引用部分指向第一次更新的交叉引用作为previous，%%EOF 之前的新偏移量指向最新的交叉引用；李> 等等……

线性化文档的例外情况是，%%EOF 之前的偏移量指向初始交叉引用，而交叉引用又指向文件末尾的部分，如 以前的。有关详细信息，请参阅。 ISO 32000-1的附件F。

当然，您可以对线性化文档应用增量更新，因此您可以使用混合形式。

一般来说，解析器最好能够解析任何顺序的部分交叉引用。并且不要忘记，不仅有交叉引用部分，还可以选择交叉引用流。

【讨论】：

%我不太确定 OP 是否理解它必须是一个完全正常的评论...á§₩ü - 在这里，几个“二进制”字符在评论中显示它们是有效的。它也以% 开头。

感谢您的澄清！现在应该讨论问题的第一部分。

So do you mean a minimal valid PDF file? -> 是的，我的意思是 PDF 文件的最小可能内容。 The exception is the case of linearized documents -> 你能告诉我更多关于那个案子的信息吗？

好的，所以只剩下最小尺寸的问题了。我还有另一个问题，但那是另一个完整的问题，所以我会发布另一个问题。

我发布了我的下一个问题：***.com/questions/34888029/…