檔案結構分四個部分(物理結構)

檔案頭(Header)：指明瞭該檔案所遵從PDF規範的版本號
檔案體(Body)：由一系列的PDF間接物件組成。這些間接物件構成了PDF檔案的具體內容如字型、頁面、影象等
交叉引用表(Cross-reference Table)：是為了能對間接物件進行隨機存取而設立的一個間接物件地址索引表。

檔案尾(Trailer)：聲明瞭交叉引用表的地址，指明檔案體的根物件(Catalog)，還儲存了加密等安全資訊。根據檔案尾提供的資訊，PDF的應用程式可以找到交叉引用表和整個PDF檔案的根物件，從而控制整個PDF檔案，如下示意圖

PDF的文件結構是一種樹型結構，反映了檔案體中間接物件之間的等級層次關係。
樹的根節點就是PDF檔案的目錄物件(Catalog)，是PDF文件的根物件，包含PDF文件的大綱(Outlines)和頁面組物件(Pages)。
根節點下有四個子樹：頁面樹(Pages Tree)、書籤樹(Outline Tree)、線索樹(Article Threads)、名字樹(Named Destination)。

資料物件型別

PDF檔案的基本元素是PDF物件(PDF Object)，包括直接物件(Direct Object)和間接物件(Indirect Object)。
直接物件如下幾種基本型別：

• 1.布林型(Boolean)：用關鍵字true或false表示,可以是array物件的一個元素,或dictionary物件的一個條目

• 2.數值型(Number)：包括整形和實型,不支援非十進位制數字,不支援指數形式的數字.

• 3.字串型(String)：由一系列0-255之間的位元組組成,一個string總長度不能超過65535.string有以下兩種方式

1)由()包含起來的一個字串,中間可以使用轉義符”/”:

(abc)  表示abc
(a//)  表示a/

2)由<>包含起來的一個16進位制串,兩位表示一個字元,不足兩位用0補齊:

 <Aabb>  表示AA和BB兩個字元
 <AAB>  表示AA和B0兩個字元

• 4.名字型(Name)：由一個前導/和後面一系列字元組成,最大長度為127.

和string不同的是,name是不可分割的和唯一的.
不可分割就是說一個name物件就是一個原子,比如/name,不能說n就是這個name的一個元素;
唯一就是指兩個相同的name一定代表同一個物件.
從pdf1.2開始,除了ascii的0,別的都可以用一個#加兩個十六進位制的數字表示.

 /name       *#表示name*
 /name#20is  *#表示name is*
 /name#200   *#表示name 0*

• 5.陣列型(Array)：用[]包含的一組物件,可以是任何pdf物件(包括array).

雖然pdf只支援一維array,但可以通過array的巢狀實現任意維數的array(但是一個array的元素不能超過8191)
例:

[549 3.14 false (Ralph) /SomeName]

• 6.字典型(Dictionary)：用”<<”和”>>”包含的若干組條目,每組條目都由key和value組成,其中key必須是name物件,並且一個dictionary內的key是唯一的;value可以是任何pdf的合法物件(包括dictionary物件).

例:
 << /IntegerItem 12
 /StringItem (a string)
 /Subdictionary << /Item1 0.4
     /Item2 true
     /LastItem (not!)
     /VeryLastItem (OK)
   >>
 >>

• 7.流物件(Stream)：由關鍵字stream和endstream包含一系列位元組

內容和string很相似,但有區別:
stream可以分幾次讀取,分開使用不同的部分,string必須作為一個整體一次全部讀取使用;
string有長度限制,但stream卻沒有這個限制.一般較大的資料都用stream表示.

• 8.空物件(Null)：用null表示，代表空

如果一個key的值為null，則這個key可以被忽略；如果引用一個不存在的object則等價於引用一個空物件．

間接物件是一種標識了的PDF物件，這個標識叫作間接物件的ID。標識的目的是為了讓別的PDF物件引用。任何PDF物件標識後都變成了間接物件。

頁面描述指令

PDF共有60個頁面描述指令。
這60個頁面描述指令描述了頁面上的一系列圖形物件。這些圖形物件可分為四類：
路徑物件（Path Object）
文字物件（Text Object）
影象物件（Image Object）
外部物件（XObject）

PDF中的資源

PDF檔案中的內容(如文字、圖形、影象)都儲存在頁面物件的Contents關鍵字對應的流物件(Stream)中。
內容流(Content Stream)中用到了很多基本物件如數字、字串，這些都是用直接物件(Direct Object)表示的。
但還有其他一些物件如字型(Font)，本身就是用字典物件(Dictionary)或流物件(Stream)來表示的，無法用直接物件表示，
而內容流中又不能出現任何間接物件，於是就將這些物件命名，並在內容流中用相應的名字來表示它們。
這些用名字來表示的物件就稱作命名資源(Named Resources)。

在頁面物件中有一個資源項(Resources Key)，該項列出了內容流中用到的所有資源，並建立了一個資源名字與資源物件本身的對映表。
PDF中的命名資源有：
指令集(ProcSet)
字型(Font)
色彩空間(Color space)
外部物件(XObject)
擴充套件的圖形狀態(Extended graphics state)
底紋(Pattern)
使用者擴充套件標記列表(Property list)。

非命名資源有(非命名資源都是被隱含引用的，因此沒有命名的需要)：
Encoding
Font descriptor
Halftone
Function
CMap

文件舉例

%PDF-1.4 *#header格式：%PDF-1.5*
%My company (CodePage = 932)

1 0 obj *#物件格式：序號 版本號 obj <<...>>endobj*
<<
/Producer(My company)
/Creator(MyPDF.DLL (Ver.03-04-12.A00))
/CreationDate(D:20160511134447+08'00')
/ModDate(D:20160511134447+08'00')
>>
endobj *#Object結束關鍵字*

7 0 obj
<<
/Type /XObject
/Subtype /Image
/Filter /DCTDecode
/BitsPerComponent 8 *#顏色位數*
/ColorSpace /DeviceRGB
/Width 507  *#image的寬度*
/Height 317 *#image的高度*
/Length 38682
>>
stream
... ...
endstream
endobj

4 0 obj
<<
/Type /Page
/Parent 3 0 R *#其父物件號為3，即Pages物件*
/MediaBox[0.00 0.00 595.28 841.89] *#頁面顯示大小，以畫素為單位*
/Resources 5 0 R  *#該頁包含的資源*
/Contents 6 0 R *#頁面內容物件的物件號為6*
/ColorSpace <</CS1 2 0 R>> >> *#色彩空間*
>>
endobj

5 0 obj
<<
/ProcSet[/PDF /Text /ImageB /ImageC /ImageI]
/XObject << /Im1 7 0 R >> *#外部物件*
>>
endobj

6 0 obj
<<
/Filter /FlateDecode *#流物件的壓縮方式為zip的壓縮演算法*
/Length 155 *#流物件的長度*
>>
stream *#流物件*
... ...
endstream *#流物件結束標誌*
endobj

2 0 obj
<<
/Type/Catalog
/Pages 3 0 R
>>
endobj

3 0 obj
<<
/Type /Pages 
/Kids [ 4 0 R ] *#kids物件說明它的子頁物件為4*
/Count 1  *#頁面數量為1*
>>
endobj

xref *#交叉引用表開始標誌*
0 8 *#表示從物件號為0的開始,連續有8個物件(0,1,...,7),分別用8行來表示*
0000000000 65535 f *#每行的前10個數字代表這個這個物件相對檔案頭的偏移地址*
0000000056 00000 n *#後面5個數字只有當這個物件被刪除的時候才有用,表示這個物件被刪除後又被重新生成後的物件號*
0000039567 00000 n *#最後一位f或n表示物件是否被使用(n表示使用,f表示被刪除或沒有用)*
0000039623 00000 n
0000039103 00000 n
0000039229 00000 n
0000039329 00000 n
0000000235 00000 n

trailer *#整個pdf檔案分析的入口點*
<<
/Root 2 0 R *#這個pdf檔案的catalog物件的物件號,這是pdf中最頂層的物件*
/Info 1 0 R 
/Size 8 *#這個pdf中總共使用了多少個物件*
>>

startxref *#cross reference table的開始位置*
39692
%%EOF *#檔案結束符*

如果這個pdf是加密的，那麼在trailer裡會有一個/Encrypt的name。
它的值一般形式是n 0 R，表示這個pdf檔案的加密資訊在n 0這個obj裡面記錄．
找到這個obj，其下有一個/P的name，它的值是一個數字(32位)其中第三位代表是否有列印許可權。

Image物件