PDF格式分析（二）语法之对象

PDF文件是由对象集合组成的，包括：boolean（布尔型），numberic（数值型），string（字符串型），name（名字型），array（数组型），dictionary（字典型），stream（数据流型），null（空类型）， indirect（间接型）。

1. boolean
PDF支持布尔型对象，对应的关键字为“true”和“false”，该对象可以存在于数组型对象、字典型对象。
2. numberic
PDF支持两种类型的数值型对象：integer（整数）和real（浮点型）
integer（整数）：123，-123，+456，0，234234
real（浮点型）：1.34，-1.23，+123.4，2.，-.01，0.0

3. string
字符串对象可以写成以下两种形式：
literal string（文字串）：该对象由“（”和“）”作为对象的开始和结束，内容为ascii字符组成的序列，以下的文字串都是有效对象：

在文字串中，可以使用“\”反斜线，用于转义字符，下面列出PDF支持的转义字符，如果不在该表格中的字符，则忽略反斜线“\”：

如果一个文字串很长时，我们可以使用反斜线“\”，把这个字符串分成多行。

如果文字串的结尾是换行符，则等同于“\n”

“\ddd”这种表现形式，用来不能打印的ascii字符，“d”为八进制数值，“ddd”可以是一个，两个，三个，当高位是“0”，则忽略，当“ddd”后一个字符是数字，则前面的“0”不可忽略，如“\0053”，等价于“\005”+“3”。

hexadecimal（十六进制字符串）：该对象由“<”和“>”作为对象的开始和结束，内容为十六进制数组成的序列（0-9，a-f或A-F）。

十六进制字符串的长度一定是偶数的，每两个数字表示一个字符，当出现为奇数的情况，PDF则在末尾补“0”，如：错误的十六进制数<980AC>，则被识别为<980AC0>。
当十六进制字符串中存在空白字符（空格，tab，回车，换行，换页符），则忽略空白字符。

4. name
名字型对象，是由“/”作为首字符的字符串组成，“/”只是用来标识名字对象，并不属于名字对象的内容，而且名字对象字符串中不允许出现空白符号。
当两个名字型对象内容完全一致（区分大小写），则PDF认为这两个对象相同。

从PDF1.2以后版本，名字对象可以使用”#”+2个16进制数字，来表示那些不能显示的ascii码，值得注意的是，名字对象“/A#42”，它的长度是3，而不是5

5. array
数组对象是一个容器集合，和java中的数组对象很相似。它的元素可以是PDF支持的任意对象类型，该对象由“[”和“]”作为对象的起始符号。

PDF中的数组对象只支持一维数组，但是可以通过数组嵌套来表示多维数组。

6. dictionary
字典对象是键值对的集合，和java中的map类似。key是唯一的，key的类型是name对象，value的类型是任意PDF支持的对象类型，当value为“null”，则表示该键值对不存在。字典对象以“<<”和“>>”作为对象的开始和结束。

字典对象是构建PDF文档的主要结构，通常它们都是一些有特定意义的属性组成的复杂对象集合，一般每个字典中都包含“Type”名字对象，该对象的值表示字典对象描述的具体对象，如“Page”，表示该字典是页对象，“Outline”，表示该字典对象是书签对象。

7. stream
数据流对象，和java中的字符流对象类似，没有长度限制。
数据流对象由一个字典对象和关键字“stream”，“endstream”之间的数据块组成。

所有的stream必须是indirect对象，而stream中的字典必须是direct对象。
关键字“stream”在stream对象字典内容之后，再下来是stream数据块，后面是“endstream”，stream数据块的前面和后面分别使用换行符，将“stream”和“endstream”分隔开，注意：分隔符没有计算在stream的长度内。
从PDF1.2开始，数据块可以被保存在一个外部文件（通过stream字典指定），当数据块被存储到外部文件时，“stream”与“endstream”中间的数据块将被忽略。
每个stream对象的字典都有“Length”属性，该属性表示数据块的长度（如果stream被压缩了，则表示的是压缩后的长度）。
通常stream对象的字典都包含以下几个属性：

---

Length
类型：整型
描述：（必须）数据块长度

---

Filter
类型：名字或数组
描述：（可选）对数据块进行压缩，名字类型，表示按照该名字标识的压缩方式去压缩，数组型，表示采用多重压缩，根据数组中名字的先后顺序进行压缩

---

DecodeParms
类型：字典或数组
描述：（可选）“Filter”指定压缩方式的一个参数字典，或一组参数字典（数组）。该参数必须被设置，除非使用默认值。如果“Filter”是数组对象时，DecodeParms也必须是数组对象。

---

F
类型：文件描述对象
描述：（可选，PDF1.2以上）stream数据块的内容将被保存在一个文件中。如果该属性存在，“stream”和“endstream”中的数据块将被忽略，“Filter”和“DecodeParms”也将被忽略，而使用“FFilter”和“FDecodeParms”替代，这时，“Length”的值通常为“0”

---

FFilter
类型：名字或数组
描述：（可选，PDF1.2以上）与“Filter”的规则相同，它用来描述外部文件数据

---

FDecodeParms
类型：字典或数组
描述：（可选，PDF1.2以上）与“DecodeParms”的规则相同，它用来描述外部文件数据

---

DL
类型：整型
描述：（可选，PDF1.5以上）非负整数，它表示解压缩之后的数据块长度。

---

Null
空对象，类似与java中“null“，表示空值。

indirect
间接对象，PDF中的任何对象都可以封装成一个间接引用对象。
该类型对象，由一个对象号（索引号），一个版本号，”obj“关键字，”endobj“关键字组成。

一个间接对象，可以通过间接引用（如：12 0 R），引用到任何位置。

本章对PDF中的各种数据对象进行了简单的描述，都是一些通用的规则，在后面的章节当中，会更深入的对一些拥有特殊意义对象进行分析解答。

注：本系列博文会用到很多《PDF reference sixth edition》的例子和表格，大家可以结合之看会更有效果。