PDF格式详解

pdf(Portable   Document   Format,便携式文档结构)是一种很有用的文件格式,其最大的特点是  
  平台无关而且功能强大(支持文字/图象/音乐/视频).今天先讲一下pdf的文件(物理)结构  
  PDF文件结构可分为以下几块:  
  1.header:  
  pdf文件的第一行,格式如下:  
   
  %PDF-1.3  
   
  表示当前文件的版本是1.3(目前最高版本为1.5)  
   
  2.body:  
  pdf文件中用到的所有对象,包括文本/图象/音乐/视频/字体/超连接/加密信息等等,格式如下:  
   
  2   0   obj  
  ...  
  end   obj  
   
  其中省略号部分是pdf规定的任意合法对象(一共8种)  
   
  3.cross   reference   table:  
  所有pdf对象的引用表,其格式如下:  
   
  xref  
  0   5  
  0000000000   65535   f  
  0000000009   00000   n  
  0000000074   00000   n  
  0000000120   00000   n  
  0000000179   00000   n  
   
  其中,xref是开始标志,表示以下为引用表内容;0   5表示从对象号为0的开始,  
  连续有5个对象(0,1,2,3,4),分别用5行来表示.每行的前10个数字代表这个  
  这个对象相对文件头的偏移地址,后面5个数字只有当这个对象被删除的时  
  候才有用,表示这个对象被删除后又被重新生成后的对象号最后一位f或n表  
  示对象是否被使用(n表示使用,f表示被删除或没有用)  
   
  4.trailer:  
  整个pdf文件的入口点,形式如下:  
  trailer  
  <<  
  /Size   8  
  /Root   1   0   R  
  >>  
  startxref  
  553  
  %%EOF  
   
  /size   :这个pdf中总共使用了多少个对象  
  /root   :这个pdf文件的catalog对象的对象号,这是pdf中最顶层的对象  
  /startxref:   后面的数字表示cross   reference   table的开始位置  
  /%%EOF   :文件结束符.  
   
  实际一个pdf文件是很复杂的,但是上面几个部分是确定的,只能多不能少.下一讲我说一下pdf里面8种类型.

1.booleam
 用关键字true或false表示,可以是array对象的一个元素,或dictionary对象的一个条目.

2.numeric
 包括整形和实型,不支持非十进制数字,不支持指数形式的数字.

 例:
        1)整数 123 4567 +111 -2     
 范围:正2的31次方-1到负的2的31次方
 2)实数 12.3 0.8 +6.3 -4.01 -3. +.03
 范围:±3.403 × 10的38次方     ±1.175 × 10的-38次方
 注意:如果整数超过表示范围将转化成实数,如果实数超过范围就出错了
3.string
 由一系列0-255之间的字节组成,一个string总长度不能超过65535.string有以下两种方式:
 1)由()包含起来的一个字串,中间可以使用转义符"/".
 例:
 (abc)  表示abc
 (a//)  表示a/
 2)由<>包含起来的一个16进制串,两位表示一个字符,不足两位用0补齐
 例:
 <Aabb>  表示AA和BB两个字符
 <AAB>  表示AA和B0两个字符
4.name
 由一个前导/和后面一系列字符组成,最大长度为127.和string不同的是,name是不可分割的
 和唯一的,不可分割就是说一个name对象就是一个原子,比如/name,不能说n就是这个name的
 一个元素;唯一就是指两个相同的name一定代表同一个对象.从pdf1.2开始,除了ascii的0,别
 的都可以用一个#加两个十六进制的数字表示.
 例:
 /name  表示name
 /name#20is 表示name is
 /name#200 表示name 0
5.array
 用[]包含的一组对象,可以是任何pdf对象(包括array).虽然pdf只支持一维array,但可以通过
 array的嵌套实现任意维数的array(但是一个array的元素不能超过8191)
 例:
 [549 3.14 false (Ralph) /SomeName]
6.Dictionary
 用"<<"和">>"包含的若干组条目,每组条目都由key和value组成,其中key必须是name对象,并且
 一个dictionary内的key是唯一的;value可以是任何pdf的合法对象(包括dictionary对象).
 例:
 << /IntegerItem 12
 /StringItem (a string)
 /Subdictionary << /Item1 0.4
 /Item2 true
 /LastItem (not!)
 /VeryLastItem (OK)
 >>
 >>
7.stream
 由关键字stream和endstream包含一系列字节.内容和string很相似,但有区别:stream可以分几次
 读取,分开使用不同的部分,string必须作为一个整体一次全部读取使用;string有长度限制,但
 stream却没有这个限制.一般较大的数据都用stream表示.
 例:(略)
8.NULL
 用null表示，代表空．如果一个key的值为null，则这个key可以被忽略；如果引用一个不存在的
 object则等价于引用一个空对象．
 例:(略)

给大家说点有用的东西：为什么有的pdf不允许打印？
pdf有自己的加密措施，其中就有限制打印．
找到trailer，如果这个pdf是加密的话会有一个/Encrypt的name，他的值一般形式是n 0 R，表示这个pdf
文件的加密信息在n 0这个obj里面记录．找到这个obj，其下有一个/P的name，他的值是一个数字(32位)
其中第三位代表是否有打印权限:)

由于pdf的特殊文件结构，注定pdf的生成是一件很麻烦的事情。目前最常用的就是adobe公司提供的sdk了，但是由于其依赖与adobe的环境，所以使用起来不是很方便。在这里我给大家介绍另外一种方法——使用pdflib生成pdf。  
   
  pdflib也提供了一组sdk，但和adobe的sdk相比，pdflib很小，但功能却一点也不弱。所以对于开发者来说，pdflib是一个明智的选择。你可以从下面的网址得到到它：  
  http://www.pdflib.com/products/pdflib/download/index.html。如果你没有得到序列号，那么生成的pdf将会加上水印，其他功能和商业版一样。  
  另外你还可以从下面网址得到pdflib-lite版：  
  http://www.pdflib.com/products/pdflib/download-source.html  
  pdflib-lite使用协议：  
  http://www.pdflib.com/purchase/license-lite.html  
  和pdflib相比，pdflib-lite最大的特点就是你可以拥有完全的源代码，但功能不如pdflib全面，比如支持的字体要比pdflib少很多。但是，如果你对pdf文件本身很了解的话，你完全可以在pdflib-lite的基础上再做发挥，这就要看你的c语言功底如何了。如果要用做商业产品，请仔细阅读授权协议！  
   
  下载pdflib压缩包（大约6m）后，在pdflib文件夹下有pdflib.dll，pdflib.lib，pdflib.h，pdflib.reg。对于我们来说，只要有前3个文件就可以了。  
  下面是一个生成pdf的完整代码：  
   
  #include   <stdio.h>  
  #include   <stdlib.h>  
   
  #include   "pdflib.h"  
   
  int  
  main(void)  
  {  
          PDF   *p;  
          int   font;  
   
          /*   create   a   new   PDFlib   object   */  
          if   ((p   =   PDF_new())   ==   (PDF   *)   0)  
          {  
                  printf("Couldn't   create   PDFlib   object   (out   of   memory)!/n");  
                  return(2);  
          }  
   
          PDF_TRY(p)   {  
  if   (PDF_begin_document(p,   "hello.pdf",   0,   "")   ==   -1)   {  
          printf("Error:   %s/n",   PDF_get_errmsg(p));  
          return(2);  
  }  
   
  /*   This   line   is   required   to   avoid   problems   on   Japanese   systems   */  
  PDF_set_parameter(p,   "hypertextencoding",   "host");  
   
  PDF_set_info(p,   "Creator",   "hello.c");  
  PDF_set_info(p,   "Author",   "Thomas   Merz");  
  PDF_set_info(p,   "Title",   "Hello,   world   (C)!");  
   
  PDF_begin_page_ext(p,   a4_width,   a4_height,   "");  
   
  /*   Change   "host"   encoding   to   "winansi"   or   whatever   you   need!   */  
  font   =   PDF_load_font(p,   "Helvetica-Bold",   0,   "host",   "");  
   
  PDF_setfont(p,   font,   24);  
  PDF_set_text_pos(p,   50,   700);  
  PDF_show(p,   "Hello,   world!");  
  PDF_continue_text(p,   "(says   C)");  
  PDF_end_page_ext(p,   "");  
   
  PDF_end_document(p,   "");  
          }  
   
          PDF_CATCH(p)   {  
                  printf("PDFlib   exception   occurred   in   hello   sample:/n");  
                  printf("[%d]   %s:   %s/n",  
          PDF_get_errnum(p),   PDF_get_apiname(p),   PDF_get_errmsg(p));  
                  PDF_delete(p);  
                  return(2);  
          }  
   
          PDF_delete(p);  
   
          return   0;  
  }  
  到现在，一个hello.pdf的pdf文件就生成了，你完全可以自己发挥，做出很复杂的pdf文件，这就看你的想象力了：）不过在发挥的时候要注意，pdf的坐标和我们通常理解的坐标是不一样的，屏幕坐标的原点在左上角，pdf文件的原点在左下脚。