PDF Reference 学习札记.doc

PDF Reference 学习札记（一） By Regina 梳理 进入readfree有一段时间了，看了coolman、cheming、老马等高手的一些旧贴和他们的宝贝后，大大激发了我的求知欲，我感到要想成为他们这样的高手，必须从基础开始学起，学习PDF Reference就是我迈出的第一步。今天，我第一次来这里发贴，把我学到的东西和大家一起分享，望高手们批评指正。 我模仿了PDF Reference的example 1，用记事本输入下面的文本，并把该文件保存为Ex001.pdf，它就是一个简单的PDF文件。 %PDF-1.6 1 0 obj endobj 2 0 obj endobj 3 0 obj endobj 4 0 obj /Type /Page /Parent 3 0 R /MediaBox 0 0 612 792 /Contents 5 0 R /Resources /ProcSet 6 0 R /Font endobj 5 0 obj stream BT /F1 28 Tf 100 100 Td 5 Tr 1 0 0 rg 0 0 1 RG (Hello Word !) ET endstream endobj 6 0 obj /PDF /Text endobj 7 0 obj endobj 1062 xref 0 8 0000000000 65535 f 0000000009 00000 n 0000000074 00000 n 0000000120 00000 n 0000000179 00000 n 0000000364 00000 n 0000000466 00000 n 0000000496 00000 n trailer startxref 625 %EOF 下面，我对上面的文件结构做一些细致的分析。 %PDF-1.6 这是PDF文件头部，“-”后的1.6是PDF的版本信息。 1 0 obj endobj 这是一个PDF中的“对象”，它的特点是：以obj开始，以endobj结尾。PDF文档都是以对象为单位组织其结构的。 “1 0 obj”中的“1”是对象编号，每个对象的编号是唯一的；“0”是对象的生成号，每当我们修改了PDF中的对象时，它会自增1。 中间的“”称为“字典”，里面有许多“键-值”对的描述信息。 其中，“/Type /Catalog”说明了该对象的类型是/Catalog（即“目录”对象），它是PDF文档的根对象。 “/Type”中除了有“/Catalog（目录对象）”外，还有“/Outlines（书签大纲对象）”、“/Pages （页面组对象）”以及“页面组对象/Pages”中含有的若干“/Page（页面对象）”等。 “2 0 R”和“3 0 R”都是对对象的“间接引用”。“2 0 R”就是在引用“2 0 obj”对象，“3 0 R”就是在引用“3 0 obj”对象。 2 0 obj endobj 这是的一个“/Outlines（书签大纲对象）”。 “/Count 0”说明没有此书签个数为0，即没有书签。（以后我再详细分析） 3 0 obj endobj 这是的PDF中的“/Pages （页面组对象）”，它有两个主要的选项“/Kids”和“/Count”。 “/Kids”说明了这个/Pages是由哪些/Page组成的，后面的“4 0 R”是一个数组，里面的“4 0 R”就是一个“/Page（页面对象）”，里可以有多个/Page对象组成。 “/Count 1”说明了/Pages对象里含有/Page对象的个数，这要与中的对象数目一致，这里表明这个PDF文件只有一页。 4 0 obj /Type /Page /Parent 3 0 R /MediaBox 0 0 612 792 /Contents 5 0 R /Resources /ProcSet 6 0 R /Font endobj 这是“/Page（页面对象）”，它是属于“3 0 R”这个“/Pages （页面组对象）”的，这可以由它的“/Parent 3 0 R”看出来。 “/MediaBox”标识了该页的大小，单位为磅（注：1英寸=72磅=2.54厘米）。 “/Contents 5 0 R”就是指页面的具体内容是“5 0 obj”对象。 “Resources /ProcSet 6 0 R /Font ”表明该页包含的一系列资源，包括“字体对象”和“PDF的内容类型”为文本型TEXT。 5 0 obj stream BT /F1 28 Tf 100 100 Td 5 Tr 1 0 0 rg 0 0 1 RG (Hello Word !) ET endstream endobj 这是/Page页面的具体内容。 “ ”表示其后的stream和endstream之间的二进制流的长度（注：单位为“字节”）。 “/F1 28 Tf”表示选择由“7 0 obj”定义的字体，字号大小为28。（以后再详述） “100 100 Td”表明要显示的字符位置，它以页面左下角为原点。 “6 Tr”为字体的样式修饰，“6”代表“填充字体内部并描边”。 “1 0 0 rg”和“0 0 1 RG”分别设置“填充颜色”和“边框颜色”。“填充颜色”用小写的“rg”，“边框颜色”用大写的“RG”。“1 0 0”表示“红、绿、蓝”三种色调的百分比，这里红色是1，就是100%的红。 (Hello Word !)是要打印的字符文本。目前，只能是英文，如要显示中文字，必须要引入中字的字符。（以后再详述） 6 0 obj /PDF /Text endobj 这个对象说明了PDF的内容类型为纯文本，如果是图片类型的，要改为“/PDF /Image” 7 0 obj endobj 这是一个字体对象，以后再详述。 xref 0 8 0000000000 65535 f 0000000009 00000 n 0000000074 00000 n 0000000120 00000 n 0000000179 00000 n 0000000364 00000 n 0000000466 00000 n 0000000496 00000 n 这是PDF文件的“交叉引用表”，如果这个表被破坏，那整个PDF文档就不能被Adobe Acrobat Reader打开了，但Foxit Reader的容错率比较强，它还是可以打开的，所以建议大家把上面的文件保存成Ex001.PDF后，用Foxit Reader打开。 第二行“0 8”这两个数，第一个“0”表示“交叉引用表”的起始对象号（这个文件是0，为PDF自定义的对象0，无特殊作用），第二个“8”表示“交叉引用表”的对象总数（包含刚才自定义的0对象）。 其余的8行，每行为一个对象。 “0000000000 65535 f”这一行比较特殊。“0000000000”表示该对象在的起始位置为0，生成数为65535，f表示该对象未被引用，这是PDF的规定。 剩下的7行中，n表示该对象已被引用。 注：在读取对象信息的时候，就是靠着这个交叉引用表找到各对象位置进行解析的。 trailer startxref 625 %EOF 这是PDF文件的“文件尾”部分，以trailer对象的开始，“trailer ”里面是一个字典。 “/Size 8”表示该PDF文件中的obj对象总数。 “/Root 1 0 R”表示该PDF文件中的根对象，为“1 0 obj”。 “Startxref 625”表示“交叉引用表”的偏移地址，可以用它来定位PDF文档中所有的对象的相对地址。 一般放在文件最后，是文件结束标志。 以上是我今天一天读PDF Reference的笔记，先到这里，希望园子里的各位高手批评指正，我想只有这样我们大家才能慢慢深入PDF的内部，编出像coolman、cheming、老马等高手的软件。今天，讨论PDF Reference中书签的代码。 下面，我们的目标写代码，建立如下图所示的一个书签。 attachment=185787 对应的代码如下： 21 0 obj endobj 对象21是“根结点”，根结点没有Parent和Next结点，也没有Title。 22 0 obj endobj （A）对象22，是“中间结点”（即“非根结点、叶子结点”），所以有First和Last，以表明其下子孙对象是从“对象25”到“对象28”，共有4个。 （B）在同级结点中，它有“无前趋结点（Prev）”，但有“后继结点（Next）对象29”。 （C）/Dest 后面跟的参数是对书签的定位，参数形式如下： /Dest page对象 /XYZ 页面X坐标 页面Y坐标 页面大小 如果，其中某一项的值为null，说明该值的取值仍按照当前的值，不加以改变。 下面的代码一样分析，这里不再详述。 25 0 obj endobj 26 0 obj endobj 小结： /Title ( 标题名 ) 书签标题名称 /Parent 22 0 R 根结点无Parent /Pr