PDF文件结构

pdf（Portable Document Format的简称，意为“便携式文档格式”），是由Adobe Systems用于与应用程序、操作系统、硬件无关的方式进行文件交换所发展出的文件格式

PDF文件结构四个部分

1. 文件头 Header
2. 文件体 Body
3. 交叉引用表 Cross-reference table
4. 文件尾 Trailer

更新方式：采用增量更新

PDF文件支持8种基本类型对象

1. 布尔

true和false

2. 整数和实数

549

3. 字符串

(This is a string)  % 可见字符
<4E6F762073686D6F7A206B6120706F702E>  % 16进制

4. 名称

/Type

5. 数组

[549 3.14false (Ralph) /SomeName]

6. 字典

<>
>>

7. 流对象

stream

流资料

Endstream

8. 空对象

以null来表示

各种对象的辨识方法

(1) 以（开头：字符串对象

(2) 以／开头：名称对象

(3) 以＜开头：若后面不接<，便是字符串对象（见<<开头的说明）

(4) 以＜＜开头：词典对象，若之后再接stream便是流对象

(5) 以负号开头：后面接数字便是数字对象

(6) 以数字开头：数字对象，整数对象必须再往后看两个对象，才能决定是否为对象参用形式

(7) 以ｆ开头：若是false便是布尔对象

(8) 以ｎ开头：若是null便是空对象

(9) 以ｔ开头：若是true便是布尔对象

(10) 以[开头：数组对象

(11) 其他：不合法的对象

1、首部

%PDF-1.4 

PDF文件格式版本号

2、文件体

3 0 obj
<<
/Type /Pages
/Count 1
/Kids [4 0 R]
>>
endobj

对象号, 唯一标识一个对象 eg: 3
产生号, 修改次数 eg: 0
对象内容, 包含在<< 和>>之间 以关键字endobj结束

3、交叉引用表

用来索引各个obj 对象在文档中的位置，以实现随机访问

xref
0 8
0000000000 65535f
0000000009 00000n
0000000074 00000 n
0000000120 00000 n
0000000179 00000 n
0000000322 00000 n
0000000415 00000 n
0000000445 00000 n

解释：

1. xref：交叉引用表的开始

2. 第一行0 8： 下面各行所描述的对象号是从0开始，并且有8个对象

3. 0000000000 65535f：
   (1) 对象0的起始地址为0000000000，产生号（generation number）为65535
   (2) 65535是最大产生号，不可以再进行更改
   (3) f：对象为free
   (4) 一般每个PDF文件都是以这一行开始交叉应用表，其实这个对象可以看作是文件头

4. 0000000009 00000n:
   (1) 表示对象1，0000000009是其偏移地址，
   (2) 00000为5位产生号（最大为65535），0表明该对象未被修改过,
   (3) n表示该对象在使用，区别与自由对象(f)，可以更改。

4、尾部

Trailer
<<
/Size 8
/Root 1 0 R
>>
startxref
553
%%EOF

解释
（1）trailer 说明文件尾 trailer对象的开始
（2）/Size 8 说明该PDF文件的对象数目
（3）/Root 1 0 R 说明根对象的对象号为1
（4）Startxref 553说明交叉引用表的偏移地址，从而可以找到PDF文档中所有的对象的相对地址，进而访问对象。
（5）%%EOF 为文件结束标志

参考

1. https://baike.baidu.com/item/pdf/317608
2. PDF学习二：PDF文件物理结构
3. PDF文档结构说明