尝试在 PDF 中解压缩流时出错

Question

我正在尝试从 file 中的 PDF 对象解压缩流：

 4 0 obj
<< 
/Filter /FlateDecode
/Length 64
>>
stream
xœs
QÐw34V02UIS0´0P030PIQÐpÉÏKIUH-.ITH.-*Ê··×TÉRp
á T‰
Ê
endstream
endobj

我将此流以与原始文件相同的格式复制粘贴到名为Stream.file 的文件中

xœs
QÐw34V02UIS0´0P030PIQÐpÉÏKIUH-.ITH.-*Ê··×TÉRp
á T‰
Ê

此流应转换为：Donde esta curro??。在 C# 控制台应用程序中将该流添加到 Stream.file。

using System.IO;
using System.IO.Compression;

namespace Filters
{
    public static class FiltersLoader
    {
        public static void Parse()
        {
            var bytes = File.ReadAllBytes("Stream.file");
            var originalFileStream = new MemoryStream(bytes);

            using (var decompressedFileStream = new MemoryStream())
            using (var decompressionStream = new DeflateStream(originalFileStream, CompressionMode.Decompress))
            {
                decompressionStream.CopyTo(decompressedFileStream);
            }    
        }
    }
}

但是在尝试复制它时会产生异常：

The archive entry was compressed using an unsupported compression method.

如果可能的话，我想知道如何用 .net 代码解码这个流。

谢谢。

Answer 1

主要问题是 DeflateStream 类可以解码裸 FLATE 压缩流（根据 RFC 1951），但带有 FlateDecode 过滤器的 PDF 流的内容实际上呈现在 ZLIB Compressed数据格式（根据RFC 1950）包装 FLATE 压缩数据。

要解决此问题，只需删除两字节 ZLIB 标头即可。

另一个问题在您的第一个示例文档中变得很清楚：该文档已加密，因此在 FLATE 解码之前必须解密其中的流内容。

###Drop ZLIB 标头以获取 FLATE 编码数据

DeflateStream 类可以解码裸 FLATE 压缩流（根据 RFC 1951），但带有 FlateDecode 过滤器的 PDF 流的内容实际上以 ZLIB 压缩数据格式（根据RFC 1950) 包装 FLATE压缩数据。

幸运的是，跳转到其中的 FLATE 编码数据非常容易，只需删除前两个字节即可。 （严格来说，它们与 FLATE 编码数据之间可能存在一个字典标识符，但这似乎很少使用。）

如果是您的代码：

var bytes = File.ReadAllBytes("Stream.file");
var originalFileStream = new MemoryStream(bytes);

originalFileStream.ReadByte();
originalFileStream.ReadByte();

using (var decompressedFileStream = new MemoryStream())
using (var decompressionStream = new DeflateStream(originalFileStream, CompressionMode.Decompress))
{
    decompressionStream.CopyTo(decompressedFileStream);
}   

###如果是加密的PDF，请先解密

您的第一个示例文件 pdf-test.pdf 已加密，如预告片中存在 Encrypt 条目所示：

trailer
<</Size 37/Encrypt 38 0 R>>
startxref
116
%%EOF

因此，在解压缩流内容之前，您必须对其进行解密。