计算字节偏移量的问题

Question

我现在正在努力理解 PDF 敲击，但我在计算字符串的字节偏移量时遇到了一点问题。对象的偏移量是从文件开头到对象的索引（6 0 obj）计算出来的。

我有一个可用的 hello world PDF 文件，但是当我计算偏移量时，我得到的偏移量与外部参照表中的不同。

如果有人知道这是如何计算的，请告诉我！

例子：

0 6 obj xref:9 me:17

0 1 obj xref:60 me:72

0 4 obj xref:145 me 187

（我用 "\r\n" (2) 作为换行符）

Adobe 标准：http://wwwimages.adobe.com/content/dam/Adobe/en/devnet/pdf/pdfs/pdf_reference_archives/PDFReference.pdf

%PDF-1.4
%%EOF
6 0 obj
<<
/Type /Catalog
/Pages 5 0 R
>>
endobj
1 0 obj
<<
/Type /Page
/Parent 5 0 R
/MediaBox [ 0 0 612 792 ]
/Resources 3 0 R
/Contents 2 0 R
>>
endobj
4 0 obj
<<
/Type /Font
/Subtype /Type1
/Name /F1
/BaseFont/Helvetica
>>
endobj
2 0 obj
<<
/Length 53
>>
stream
BT
/F1 24 Tf
1 0 0 1 260 600 Tm
(Hello World)Tj
ET
endstream
endobj
5 0 obj
<<
/Type /Pages
/Kids [ 1 0 R ]
/Count 1
>>
endobj
3 0 obj
<<
/ProcSet[/PDF/Text]
/Font <</F1 4 0 R >>
>>
endobj
xref
0 7
0000000000 65535 f
0000000060 00000 n
0000000228 00000 n
0000000424 00000 n
0000000145 00000 n
0000000333 00000 n
0000000009 00000 n
trailer
<<
/Size 7
/Root 6 0 R
>>
startxref
488
%%EOF

Answer 1

这是一个非常有趣的文件，最初阅读 PDF 规范让我更加困惑 :-)。在这种情况下（我会让一些人生气）我会简单地保存示例 PDF 文件并按照@KenS 在他之前的回答中建议的那样做；在 Acrobat 中打开它，如果 Acrobat 报告它已损坏或在您关闭文件时要求您保存 - 它不喜欢它，您可以假设您弄错了。

这个文件有趣的原因是第二行：

%%EOF

我不同意 KenS 的观点，即让这一行自动使文件无效 - 我在 ISO 32000 中找不到说明这一点的文本。文本说文件末尾的 %%EOF 行 具有语法意义（并解释了它为什么存在），并且它指出任何以百分比字符 (%) 开头的行都是 评论以及这意味着什么。但是它没有任何地方声明 %%EOF 不允许作为文件中其他位置的注释（尽管我认为这是一件愚蠢的事情，但这是不同的）。

如果 %%EOF 行不存在，则外部参照表是正确的。如果它在那里，那就错了。对我在文档中阅读的内容的更多解释：

1) 据我所知，偏移量是从文件的第一个字节开始的（它是字节偏移量，而不是字符偏移量），它是“0”，然后向上计数。这背后的想法是您可以打开一个文件，将文件读取位置设置为给定的偏移量并开始读取。因此，如果您在显示实际字节的二进制编辑器中打开文件，偏移量应该与您在那里看到的相匹配。如果您的 %%EOF 行不存在，则意味着第一个对象（6 0 obj）实际上从偏移量 9 开始（如果您的行尾字符是单字节行尾）。此时它与 PDF 规范本身中给出的示例相匹配，因此我确信如果第二行 (%%EOF) 不在 PDF 文件中，偏移量 9 是正确的。

2) 第二行以百分号开头，使其成为注释。 PDF 规范规定注释（从 % 符号到但不包括行尾字符的所有内容）应被解释为单个空白字符。这很有趣，可能会导致各种猜测，这对跟随它的对象的偏移意味着什么，但坦率地说，由于我之前所说的，所有这些猜测都是无序且无关紧要的。

这背后的想法是，您可以打开一个文件，将文件读取位置设置为给定的偏移量并开始读取。

这正是交叉引用表的用途，应该按字面意思理解。换句话说，假设单字节行结束字符，示例文件中的对象 6 从偏移量 15 开始，这应该是该对象的 XREF 表中的数字。

再次，考虑@KenS 的评论，你不能只假设行尾是两个字节，你必须知道它们是什么（它们可能是混合所以你甚至不能假设所有行都相同）。如果此文件的所有行都有两个字节的行结尾，那么您的计数 17 将是正确的。

Answer 2

你不能假设一个行尾是一对\r\n，它可能是\r、\n或\r\n，你需要使用二进制编辑器来确定。如果不访问原始文件，我们也无法告诉您哪个值是正确的，上面的剪切/粘贴根本不够好，抱歉。虽然 9 不可能是正确的除非 %%EOF 是虚假的......

您引用的 PDF 文件无论如何都不正确，您不应该将 %%EOF 作为第二行，它“应该”是二进制字节序列，高位设置以确保 PDF 文件作为二进制传输文件。

您如何知道 PDF 文件中的外部参照是正确的？如果您使用 Acrobat 打开它，它是否会在退出时保存更改？这肯定表明 Acrobat 为您重建了外部参照，因为它不正确.....

[为清楚起见而编辑，因为对于 cmets 来说太长了]

我的解释应该更清楚。我在最初的回答中将 2 个陈述压缩为 1 个，并打算在 cmets 中对其进行澄清。该文件不正确，外部参照偏移在我看来是错误的，并且在初始检查时 %%EOF 似乎是错误的（但请参见下文），这在某种程度上看起来像是伪造的（通过剪切/粘贴插入，或由编辑，或其他）。

从技术上讲，您可以在 PDF 文件的任何位置（但在字符串和流之外）中包含任何以 % 开头的文本，前提是您正确地考虑了它并且不破坏 PDF 语法。但是我仍然不会在一个 PDF 文件中放置两个 %%EOF cmets，这太容易让头脑简单的 PDF 消费者感到困惑。

我认为在'x y obj' 语句之前添加评论不一定是错误的（我不会这样做，但这不是一回事）。这也不能完全否定 David 关于以下内容的观点：

The idea behind this is that you can open a file, set the file read position to a given offset and start reading.

前提是 PDF 使用者准备阅读评论并且不期望有空格或 'x y obj' 语句（并且我已经在此处看到了前面有空格的 PDF 文件）。这是有争议的，虽然我会阅读规范说外部参照偏移应该精确指向'x y obj'行的第一个字节，但实际上并没有这么多话在规范中。 PDF 使用者确实需要能够在对象定义过程中处理 cmets。例如我认为：

1 0 obj
%% Here's a comment
<<
/Type /Page
/Parent 5 0 R
/MediaBox [ 0 0 612 792 ]
/Resources 3 0 R
/Contents 2 0 R
>>

是合法的。该行以 '%' 开头，它不在字符串或流上下文中，并且不会破坏 PDF 语法，消费者应该直接跳过它。

这与以下非常没有太大不同：

%% Here's a comment
1 0 obj
<<
/Type /Page
/Parent 5 0 R
/MediaBox [ 0 0 612 792 ]
/Resources 3 0 R
/Contents 2 0 R
>>

同样，我自己不会这样做（或者如果我这样做了，我会将外部参照指向 1 0 obj 的开头，但我认为这样可以争论。

但在原始示例中，我的二进制编辑器说（以 2 字节行结尾）对象 4 从偏移量 187 开始，如果我使用 1 字节结尾，则下降到 170。为了使对象的外部参照正确，我假设行尾是 1 个字节，我删除了“%%EOF\n”。但是从 170 中减去 6 个字节仍然是 164，因此与外部参照所包含的 145 相去甚远。如果不删除真正的 PDF 运算符/结构，我看不到任何方法可以让对象 4 位于位置 145。