PDF文件格式分析一个简单的HelloWorld文件分析.doc

Catalog对象（根对象） /Type /Catalog说明该对象的类型为/Catalog，/Pages 3 0 R，这里/Pages指的是这个根对象包含的/Pages的目标是对象号为3的对象，3 0 R的意思是对对象3的引用。 1 0 obj /Type /Catalog /Pages 3 0 R /Outlines 2 0 R Endobj outline对象（此处它的计数为0，说明没有书签） 2 0 obj /Type /Outlines /Count 0 endobj pages对象（页面组对象），/Type /Pages 说明自身的属性，对象的类型为页码，/Count 1说明页码数量为1，/Kids [4 0 R]说明它的孩子、页的对象号为4,如果有多个页面，就有多个页面对象的引用，例如/Kids [4 0 R 10 0 R], 就说明该PDF的第一页的对象号是4,第二页的对象号是10。 3 0 obj /Type /Pages /Count 1 /Kids [4 0 R] endobj 页对象，/Parent 3 0 R说明其父对象的对象号为3，及Pages对象，/Resources /Font /F1 7 0 R /ProcSet 6 0 R 说明该页所要包含的资源，包括字体和内容的类型，/MediaBox [0 0 612 792]说明页面的显示大小（以象素为单位），/Contents 5 0 R说明页面内容对象的对象号为5。 4 0 obj /Type /Page /Parent 3 0 R /Resources /Font /F1 7 0 R /ProcSet 6 0 R /MediaBox [0 0 612 792] /Contents 5 0 R endobj /Length 44 说明stream对象为字节数，从BT开始，ET结束，包括中间的行结束符。 Stream说明一个流对象的开始。 BT说明一个文字对象的开始。 /F1 24 Tf，Tf说明True font对象，字体明为F1, 大小为24个象素。 // 100 150 Td (Hello World) Tj，100 100 说明这一行文字放置的位置，对于Td, 我们可以这样理解，我们的当前X,Y坐标分别加上100和150就是文本的位置，因为在该例子中只有一个对象，那么它的位置就是(100,150), 如果下个对象位置信息为100, 50 Td, 那么它的位置应该就是（100+100, 150+50）也就是（200，200）。（Hello World） Tj说明文本的内容，当然，如果这里是文本的内容写成16进制，则用包含。 // ET说明文字对象的结束标志。 Endstream为流对象的结束标志 5 0 obj /Length 44 stream BT /F1 24 Tf 100 100 Td (Hello World) Tj ET endstream endobj 6 0 obj [/PDF /Text] Endobj [/PDF /Text]说明PDF的内容类型仅仅为文本，如果有图片则为[/PDF /Image] 字体对象，不再多作解释。 7 0 obj /Type /Font /Subtype /Type1 /Name /F1 /BaseFont /Helvetica endobj 所有的对象之后是下面的交叉引用表： xref 0 8 0000000000 65535 f 0000000009 00000 n 0000000074 00000 n 0000000120 00000 n 0000000179 00000 n 0000000322 00000 n 0000000415 00000 n 0000000445 00000 n xref说明一个交叉引用表的开始，交叉引用表的第一行0 8 说明下面各行所描述的对象号是从0开始，并且有8个对象。 0000000000 65535 f，一般每个PDF文件都是以这一行开始交叉应用表的，说明对象0的起始地址为0000000000，产生号（generation number）为65535，也是最大产生号，不可以再进行更改，而且最后对象的表示是f, 表明该对象为free, 这里，大家可以看到，其实这个对象可以看作是文件头。 0000000009 00000 n就是表示对象1，也就是catalog对象了，0000000009是其偏移地址，00000为5位产生号（最大为65535），0表明该对象未被修改过, n表示该对象在使用，区别与自由对象，可以更改。 下面的几行相信大家就可以告诉我含义了。 Trailer /Size 8