PDF文件格式分析.pdf

题目：PDF 文件格式分析 Date：2010.10.31 Author：Cryin Blog：/justear 一、概述： 结构化的文档格式PDF(Portable Document Format)是由美国排版与图像处理软件公司 Adobe于1993年首次提出的。Adobe Reader这款pdf阅读器软件相信大家并不陌生，人们 熟知它的原因是因为它的应用相当普及，可能接触过计算机的人中没有几个会不知道它，但 是相信也有一部分人注意到Adobe这款软件是因为它频频爆出漏洞的缘故，号称漏洞之王 的Adobe似乎有报不完的漏洞，时不时就会给人以惊喜，其潜力真是不容置疑！这样说来， 如果想对Adobe的漏洞原理进行分析。了解PDF 文件的格式就变得尤为重要了！ 二、PDF 文件结构： PDF 的结构可以从文件结构和逻辑结构两个方面来理解。PDF 的文件结构指的是其文 [1] 件物理组织方式，逻辑结构则指的是其内容的逻辑组织方式 。 1、数据对象类型： PDF 文件的基本元素是PDF 对象(PDF Object)，PDF 对象包括直接对象(Direct Object) 和间接对象(Indirect Object)；其中直接对象如下几种基本类型：布尔型(Boolean)、数值型 (Number)、字符串型(String)、名字型(Name)、数组型(Array)、字典型(Dictionary)、流对象 (Stream)以及空对象(Null)；间接对象是一种标识了的PDF 对象，这个标识叫作间接对象的 ID。标识的目的是为了让别的PDF 对象引用。任何PDF 对象标识后都变成了间接对象。 2、PDF 文件结构： PDF 的文件结构(即物理结构)包括四个部分：文件头(Header)、文件体(Body)、交叉引 用表(Cross-reference Table)和文件尾(Trailer),如图-1 所示： 图-1PDF 文件结构 文件头(Header)指明了该文件所遵从PDF 规范的版本号，它出现在PDF 文件的第一行。 如％PDF-1.6表示该文件格式符合PDF1.6规范。 文件体(Body)由一系列的PDF 间接对象组成。这些间接对象构成了PDF 文件的具体内 容如字体、页面、图像等等。 交叉引用表(Cross-reference Table)则是为了能对间接对象进行随机存取而设立的一个 间接对象地址索引表。 文件尾(Trailer)声明了交叉引用表的地址，指明文件体的根对象(Catalog)，还保存了加 密等安全信息。根据文件尾提供的信息，PDF 的应用程序可以找到交叉引用表和整个PDF 文件的根对象，从而控制整个PDF 文件。 3、PDF 文档结构： PDF 的文档结构反映了文件体中间接对象间的等级层次关系。PDF 的文档结构是一种 树型结构如图-2所示。树的根节点就是PDF 文件的目录对象(Catalog)。这个目录对象是PDF 文档的根对象，包含PDF 文档的大纲(Outlines)和页面组对象(Pages)。根节点下有四个子树： 页面树(Pages Tree)、书签树(Outline Tree)、线索树(Article Threads)、名字树(Named Destination)。 图-2PDF 文档结构 4、PDF 中的资源： PDF 文件中的内容(如文字、图形、图像)都保存在页面对象的Contents关键字对应的流 对象(Stream)中。内容流(Content Stream)中用到了很多基本对象如数字、字符串，这些都是 用直接对象(DirectObject)表示的。但还有其他一些对象如字体(Font)，本身就是用字典对象 (Dictionary)或流对象(Stream)来表示的，无法用直接对象表示，而内容流中又不能出现任何 间接对象，于是就将这些对象命名，并在内容流中用相应的名字来表示它们。这些用名字来 表示的对象就称作命名资源(NamedResources)。 在页面对象中有一个资源项(Resources Key)，该项列出了内容流中用到的所有资源， 并建立了一个资源名字与资源对象本身的映射表。 PDF 中的命名资源有：指令集(ProcSet)、字体(Font)、色彩空间(Color space)、外