在perl中确定文件是否为PDF？

Question

使用perl，确定文件是否为PDF 的最佳方法是什么？

显然，并非所有PDFs 都以%PDF 开头。请参阅此答案的 cmets：https://stackoverflow.com/a/941962/327528

Answer 1

检测 PDF 并不难，但需要注意一些极端情况。

1. 所有符合标准的 PDF 都包含一个单行标题，用于标识文件符合的 PDF 规范。通常是 %PDF-1.N，其中 N 是 0 到 7 之间的数字。
   • PDF 参考的第三版有一个实现说明，Acrobat 查看器只要求标题出现在文件的前 1024 个字节内。 （我见过一些将作业控制前缀添加到 PDF 文件开头的情况，因此 '%PDF-1.' 不是文件的前七个字节）
   • 第三版 (PDF 1.4) 的后续实施说明指出：Acrobat 查看器还将接受以下形式的标题：%!PS-Adobe-N.n PDF-M.m 但请注意，这不是 ISO32000 的一部分： 2008 (PDF 1.7) 规范。
   • 如果文件不是立即以 %PDF-1.N 开头，请小心，因为我见过一个案例，其中包含 PDF 的 zip 文件被错误地识别为 PDF，因为嵌入文件的那部分不是t 压缩。所以检查 PDF 文件预告片是个好主意。
2. PDF 的结尾将包含带有“%%EOF”的行，
   • 第三版 PDF 参考有一个实现说明，即 Acrobat 查看器只要求 %%EOF 标记出现在文件的最后 1024 个字节内。
   • %%EOF 上方的两行应该是“startxref”标记，中间的行应该是一个数字，表示从文件开头到最后一个交叉引用表的字节偏移量。

总而言之，将文件的第一个和最后一个 1kb 读入字节缓冲区，检查相关的识别字节字符串标记是否大致在它们应该在的位置，如果它们在，那么你有一个合理的期望，你有一个 PDF 文件在你的手上。

Answer 2

模块PDF::Parse有一个名为IsaPDF的方法

如果文件可以被解析并且是 PDF 文件，则返回 true。