Tài liệu · PDF Bộ công cụ
Bên trong tệp PDF: Giải thích về Tiêu đề, Đối tượng, Bảng Xref và Đoạn giới thiệu
· Lý lịch
pdf file-structure pdf-lib
Mở PDF trong trình soạn thảo văn bản và bạn sẽ thấy tiêu đề, đối tượng được đánh số, bảng tham chiếu chéo và đoạn giới thiệu. Bài đăng này giải thích chức năng của từng phần, mức độ phù hợp của các bản cập nhật và mã hóa gia tăng cũng như lý do tại sao cấu trúc này khiến việc viết lại cục bộ trở nên khả thi.
PDF byte có dạng nhị phân được các thư viện phân tích cú pháp; một ví dụ về tiêu đề cố định không được xác nhận
Việc mở PDF tùy ý dưới dạng văn bản có thể hiển thị các đoạn có thể đọc được trộn lẫn với dữ liệu nén hoặc nhị phân nhưng bộ công cụ không kiểm tra tệp thông qua trình soạn thảo văn bản. Nó chuyển các byte đã chọn sang pdf-lib hoặc pdf.js, phát hiện các lỗi tài liệu không đúng định dạng và mã hóa, đồng thời hoạt động với các giao diện tài liệu được phân tích cú pháp mà các thư viện đó hiển thị.
Đề cương sửa một ví dụ `%PDF-1.7`, tuy nhiên các tệp được chấp nhận có thể mang các biểu mẫu hợp lệ khác và nguồn không hứa hẹn một tiêu đề phiên bản. Thực tế hữu ích là hành vi: kiểm tra chữ ký và trình phân tích cú pháp xác định PDF, sau đó các thao tác sẽ xử lý các trang thay vì xử lý toàn bộ chuỗi byte dưới dạng văn bản có thể nối.
Đối tượng và tài liệu tham khảo - từ điển, luồng, mảng và các tài liệu tham khảo gián tiếp liên kết chúng thành biểu đồ
Việc triển khai thể hiện cấu trúc được liên kết thông qua các API của nó. Một tài liệu hiển thị các trang; các trang hiển thị kích thước và xoay vòng; sao chép một trang mang theo các tài nguyên cần thiết cho nội dung hiển thị của nó. Tập hợp hình ảnh tạo các trang và nhúng các đối tượng hình ảnh một lần, trong khi hình mờ sẽ thu hút các tài nguyên có thể tái sử dụng tại các vị trí được tính toán.
Nó không duyệt thủ công mọi từ điển, luồng, mảng hoặc tham chiếu gián tiếp trong mã ứng dụng. pdf-lib sở hữu cách giải thích cấp thấp hơn đó. Việc mô tả định dạng dưới dạng biểu đồ đối tượng nhất quán với hành vi sao chép trang, nhưng bài viết này tránh giả vờ bộ công cụ triển khai một trình kiểm tra đối tượng chung hoặc hiển thị các tham chiếu thô cho người dùng.
Chi tiết triển khai tham chiếu chéo được ủy quyền cho pdf-lib và pdf.js
Các bảng, luồng và đoạn giới thiệu tham chiếu chéo là những mối quan tâm của thư viện trong dự án này. Nguồn ứng dụng gọi `PDFDocument.load`, tạo tài liệu, sao chép trang và lưu byte. Nó không ghi lại liệu mọi đầu vào sử dụng bảng cổ điển hay cách biểu diễn khác, cũng như không xuất bản các thuật toán bù byte để người đọc dựa vào.
Sự trừu tượng đó có giá trị. Hoạt động có thể hợp nhất các đầu vào hợp lệ mà không cần đánh số lại mã ứng dụng theo cách thủ công. Đầu ra là bất kỳ sự tuần tự hóa chính xác nào mà thư viện tạo ra. Đối với các câu hỏi điều tra về độ lệch chính xác hoặc chuỗi đoạn giới thiệu, hãy sử dụng trình phân tích cú pháp chuyên dụng và thông số kỹ thuật có liên quan thay vì suy luận chi tiết từ công cụ trang cấp cao.
Cây trang và luồng nội dung — từ danh mục tài liệu cho đến hướng dẫn vẽ trên một trang
Các hoạt động ở cấp độ trang tiết lộ khái niệm từ danh mục đến trang mà không để lộ toàn bộ ngữ pháp của nó. Hợp nhất lấy mọi chỉ mục trang nguồn và sao chép các trang đó vào một tài liệu mới. Tách bản sao của nhóm đã chọn. Sắp xếp lại cung cấp một mảng thứ tự rõ ràng. Xoay truy xuất một trang và cập nhật góc chuẩn hóa của nó. Hình mờ vẽ lên bề mặt trang đã chọn.
Các luồng nội dung hiển thị không được rasterized trong các hoạt động cấu trúc đó, giúp duy trì chất lượng vectơ và văn bản có thể chọn. PDF-to-image có chủ ý khác: pdf.js hiển thị trang thành canvas pixel, sau đó văn bản không còn là văn bản nữa. Việc hiểu đường dẫn nào đã chạy quan trọng hơn việc ghi nhớ sơ đồ tổng quát của phần bên trong PDF.
Bộ công cụ này lưu các kết quả đầu ra mới thay vì hứa hẹn các bản cập nhật gia tăng
Đề cương thảo luận về các cập nhật gia tăng nhưng các chỉnh sửa được hỗ trợ của ToolAcre sẽ lưu các tệp đầu ra mới. Nguồn không cung cấp chế độ bổ sung bản cập nhật trong khi vẫn giữ nguyên các bản sửa đổi byte trước đó và cũng không yêu cầu xóa an toàn nội dung được lưu trữ trước đó thông qua xử lý lịch sử gia tăng.
Điều này quan trọng đối với quyền riêng tư và chữ ký. Đầu ra của bản sao trang mới sẽ loại bỏ một số cấu trúc cấp độ tài liệu và làm mất hiệu lực chữ ký số, nhưng nó không được quảng cáo là chất khử trùng pháp y nếu không có bằng chứng chuyên dụng. Giữ vai trò nguồn và đầu ra rõ ràng, đồng thời sử dụng các công cụ chuyên dụng khi phải đánh giá các bản sửa đổi trước hoặc nội dung đã xóa.
Các tệp được mã hóa - cách mật khẩu và cờ cấp phép thay đổi những gì công cụ có thể mở và tại sao chúng là một vấn đề riêng biệt với hoạt động của trang
Đầu vào được mã hóa hoặc bảo vệ bằng mật khẩu là ranh giới riêng biệt với việc chỉnh sửa trang thông thường. Bộ điều khiển báo cáo lỗi tài liệu được bảo vệ và dừng lại; bộ công cụ không yêu cầu mật khẩu, bỏ qua quyền hoặc xóa kiểm soát truy cập. Người dùng phải tạo một bản sao được ủy quyền không được bảo vệ ở nơi khác trước khi sử dụng các thao tác này.
Việc từ chối cũng ngăn cản việc đưa ra một phần kết quả sai lệch. Đầu ra trống hoặc không đúng định dạng sẽ nguy hiểm khi người dùng mong đợi một hợp đồng hoàn chỉnh. Việc triển khai nắm bắt mã hóa một cách rõ ràng, trong khi cấu hình lặp lại giới hạn. Điều đó là đủ để mô tả hành vi của sản phẩm mà không cần đưa ra hướng dẫn chung về PDF mật mã hoặc ngữ nghĩa về quyền.
Việc nén, phông chữ và màu sắc vẫn nằm ngoài phần giải thích ở cấp độ triển khai này
Bộ lọc nén, mã hóa phông chữ và không gian màu vẫn quan trọng đối với độ trung thực của PDF nhưng mã ứng dụng ủy quyền chúng cho các thư viện và tài liệu nguồn. Trình giải thích này không liệt kê các thuật toán lọc hoặc lịch sử phông chữ tiêu chuẩn. Thay vào đó, nó ghi lại những hậu quả có thể nhìn thấy được đã được xác minh bằng các thử nghiệm và cấu hình.
Sao chép trang vẫn giữ lại giao diện trang và văn bản có thể chọn, trong khi đầu ra raster sẽ mất lớp văn bản. Hình mờ văn bản được giới hạn ở mã hóa Latin tích hợp. Việc chuẩn bị hình ảnh có thể mã hóa lại các định dạng hình ảnh trình duyệt không được hỗ trợ dưới dạng PNG. Những ranh giới cụ thể này dễ thực hiện hơn so với việc tham quan rộng rãi các hệ thống con mà bộ công cụ không tiết lộ cũng như không xác nhận.
Bài học rút ra — các thao tác cấp trang là các chỉnh sửa đối với cấu trúc này và Bộ công cụ PDF thực hiện chúng bằng cách phân tích cú pháp và viết lại trong trình duyệt của bạn
ToolAcre chỉnh sửa cấu trúc tài liệu được phân tích cú pháp thông qua API thư viện và tuần tự hóa các tệp mới. Do đó, hợp nhất, phân tách, sắp xếp lại, xoay và hình mờ là các hoạt động cấu trúc với các quy tắc bảo toàn dành riêng cho hoạt động, không phải nối byte. PDF-to-image là một thao tác kết xuất và có kết quả về độ chân thực khác.
Công việc diễn ra cục bộ, chủ yếu là do một nhân viên chuyên trách thực hiện, với các lượt tải xuống Blob được trả lại cho người dùng. Sử dụng mô hình này để dự đoán hành vi: các trang được sao chép giữ nguyên hình thức, tài liệu mới mất các tính năng và chữ ký ở cấp độ tài liệu không được hỗ trợ, dừng các nguồn được mã hóa và các trang được raster hóa trở thành hình ảnh. Các tuyên bố có định dạng sâu hơn yêu cầu thông số kỹ thuật hoặc các công cụ kiểm tra chuyên dụng. Khi gỡ lỗi một kết quả không mong muốn, trước tiên hãy phân loại thao tác là sao chép, điều chỉnh siêu dữ liệu, vẽ hoặc tạo điểm ảnh; điều đó thu hẹp cơ chế tổn thất có thể xảy ra ngay lập tức. Sau đó, sao chép nó bằng tệp không nhạy cảm nhỏ nhất mà vẫn hiển thị sự cố, bảo toàn cả đầu vào và đầu ra để điều tra ở cấp độ byte nếu cần.