前言 pdf是一種應用非常廣的版式文件格式，已成為事實上的國際標準。關於pdf格式的文章汗牛充棟，本文也是關於pdf格式的文章，但是本文不是紙上談兵；本人這幾週一直研究pdf格式內容，不但對pfd格式的內容有所瞭解，同時也寫了一款軟體，可以方便檢視pdf檔案內容。使用該軟體，同時結合pdf相關文章，可以很快掌握pdf格式內容。

軟體截圖： 軟體下載地址 點我下載

pdf檔案內容簡要介紹

這裡對pdf檔案格式做個粗略介紹，只有瞭解了這些內容，才能知道如何使用該軟體。

pdf文件總結構如下：

1）header：主要包含版本資訊

2）tailer：pdf樹結構的入口點。

 3）交叉索引表；該表包含pdf每個obj在檔案中的位置，根據該表，可以快速定位和載入obj的內容。對於大檔案，不必一次載入所有的內容，只需載入當前頁包含的obj即可。

 4） body。 包含obj對應的內容。

pdf obj樹狀結構

要完成對pdf檔案的分析和顯示，首先需要構建pdf檔案的obj的樹狀模型。這個樹狀模型的入口點就是trailer，trailer包含root元素（Catalog），其下包含Pages，Page。Page中包含內容和資源。

結合軟體分析pdf檔案格式

用該軟體開啟一個pdf檔案，對照示例來分析。

1）pdf header： 

2）trailer和交叉引用表，

3）body 由一系列obj組成。每個obj由唯一編號，可根據編號定位到內容。

 4）文件樹狀結構

頁集是頁的集合，pdf規範建議用平衡樹來組織頁，便於快速查詢。

程式設計心得。

1 不能嚴格按照pdf標準來分析pdf。

pdf文件應用非常廣，生成pdf檔案的軟體非常多。不是所有的pdf文件都嚴格符合標準。所謂“林子大了，什麼鳥都有“。所以開發軟體要經過大量的pfd文件測試。

2 分析obj的內容

pdf索引表只給出了obj開始檔案位置。obj一般包含dictionary和stream兩部分。所以需要根據關鍵詞來解析obj，這就需要有一定的技巧。dictionary開始和結束的關鍵字為“<<” 和">>"，但是dictionary可能包含子dictionary。只靠關鍵字是無法確定dictionary的開始和結束位置的，需要一定的技巧。

 3 讀取obj的效率。

不必一次載入所有的obj，可以採取按需載入。

後記 讀取pdf檔案的內容，在記憶體中構建obj樹形結構，是下一步分析和顯示pdf的基礎。本人通過閱讀相關資料，加上編寫程式碼，實現了對pdf檔案內容的分析。理論和實踐相結合，就能快速的掌握相關知識。本軟體可以方便的窺探pdf內部結構，希望該軟體為你瞭解和開發pdf有所幫助。