我一直想看到PDF的内部结构，比如它的原始源代码，这样我就能查看它。有什么方法可以做到吗？
5个回答
67
查看PDF的原始代码并不会对您有太大帮助，除非您也了解其内部结构。您应该获取官方PDF参考资料（下载PDF）的副本，并阅读一些介绍性文章，例如 this 作为开始。
即使进行了这样的准备，当您盯着原始代码时，您也不会发现太多有用的信息。因为PDF通常会包含“过滤”（即：压缩）的部分。
如何查看“原始”二进制部分背后的真实PDF源
杰伊·伯肯比尔特的qpdf是一个非常有用的命令行工具（可在Linux、Mac OSX、Windows和源代码下开放源代码授权下使用），可以解压大多数过滤内容并重新组织内部结构，从而使您能够更深入地了解它（所有对象都按数字顺序排列等）。实现此操作的命令行为：
即使进行了这样的准备，当您盯着原始代码时，您也不会发现太多有用的信息。因为PDF通常会包含“过滤”（即：压缩）的部分。
如何查看“原始”二进制部分背后的真实PDF源
杰伊·伯肯比尔特的qpdf是一个非常有用的命令行工具（可在Linux、Mac OSX、Windows和源代码下开放源代码授权下使用），可以解压大多数过滤内容并重新组织内部结构，从而使您能够更深入地了解它（所有对象都按数字顺序排列等）。实现此操作的命令行为：
qpdf --qdf original.pdf unpacked.pdf
另一个有用且免费的工具（GPL许可证，但据我所知仅适用于Linux）来查看PDF文件是当然PDFEdit。这个甚至带有图形用户界面（如果你喜欢），同时仍然允许您访问内部结构和“原始” PDF代码。
- Kurt Pfeifle
1
2如果有人正在寻找PDF参考的最新链接，可以在此处找到：https://www.adobe.com/content/dam/acom/en/devnet/pdf/pdfs/PDF32000_2008.pdf（至少截至今天...）如果它被移动了，谷歌搜索PDF32000_2008.pdf应该会帮助你找到它。 - Jonáš Jančařík
8
如果只是查看文件的话，任何简单的文本编辑器都可以，例如记事本。PDF只是一种基于文本的格式，包括嵌入的内容字节流。原始的PDF长这样：
你所看到的是基本的COS对象，如名称、字典、流等。所有对象都在PDF 32000标准中描述，参见第7.3节 对象。
>>
/Border [0 0 0]
/Rect [121.02 332.48 363.24 343.64]
/StructParent 1321
/Subtype /Link
/Type /Annot
>>
endobj
64579 0 obj
<<
/Filter /FlateDecode
/Length 5771
>>
stream
Ũn0x/�+�}�ǹ����\֛ bYO�5[��X��W��L��(�������V�A3�C���������u큋_�a��ךm2N�6� ��A��8
�d���NQ⺢GI��G�[��)�̉Y��R�y{R����&�&�;��g�k1���ҋeTC�(W��`���*��(;�AEc<= mnZ+��|T��v
�.��зe�aޞ��V4�b���L����k�Oj.ֿ�y�����kc|I�� ��C�0��Hf�7d�/�z���m��o��A��B��IJ�%�.
!�%f�б���&�ޒ�4Ύ7�l�3���3`�
endstream
endobj
64580 0 obj
<<
/Border [0 0 0]
/Dest <E4AE7DD2769553EF1668>
/Rect [219 648.5 256.8 659.66]
/StructParent 1323
/Subtype /Link
/Type /Annot
>>
你所看到的是基本的COS对象，如名称、字典、流等。所有对象都在PDF 32000标准中描述，参见第7.3节 对象。
- user07
2
有没有办法在JavaScript中将这些文本数据转换为PDF文件？ - Shishir Shetty
1据我所知，不行。实际上，PDF数据是一种二进制格式，而不是文本格式。你可以将其作为文本打开并进行分析，但不能随意更新它。要更新PDF，您需要操作二进制数据。要将某些内容转换为PDF，您需要使用环境中可用的API。 - user07
0
其他答案的一些最新观察。
Adobe不断地移动他们开源的2008标准副本，目前在此处 https://opensource.adobe.com/dc-acrobat-sdk-docs/standards/pdfstandards/pdf/PDF32000_2008.pdf
Web Archive目前在这里有一份副本 https://ia601003.us.archive.org/5/items/pdf320002008/PDF32000_2008.pdf
它们应该是相同的22,491,828个字节，所以要注意，它们都不包含任何勘误表。
PDF可以是纯mime "text/pdf"，如完美注释生成自控制台键盘或命令行（速度太慢）或批处理文件。我不会让你看整个文件，但它是这样开始的：
REM Start with File "Magic" Signatures for a PDF
echo %%PDF-1.0>!Fname!
echo %%âãÏÓ>>!Fname!
echo %%01) Prepare file references>>!Fname!
for %%Z in (!Fname!) do set "FZ1=%%~zZ"
echo 1 0 obj>>!Fname!
echo ^<^</Names^<^</Dests 2 0 R^>^>/Outlines 3 0 R>>/PageLayout/OneColumn/PageMode/UseOutlines>>!Fname!
REM ToDo add files
REM /Lang (ga-IE)/MarkInfo^<^</Marked true^>^>/Names ^<^<^/EmbeddedFiles [(file.ext) 3 0 R]^>^>>>!Fname!
echo /Pages 4 0 R/Type/Catalog/ViewerPreferences^<^</DisplayDocTitle true^>^>^>^>>>!Fname!
echo endobj>>!Fname!
echo %%02) Prepare Named Destinations>>!Fname!
因此，经过注释的RAW PDF文件（请注意，我已经编辑了cmd文件的顺序，以便为XMP数据部分做准备，因此它们并不完全相同）可能如下所示：
%PDF-1.3
%âãÏÓ
%01) Prepare file references
1 0 obj
<</Lang(ga-IE)/Names<</Dests 3 0 R>>/Outlines 4 0 R/PageLayout/OneColumn/PageMode/UseOutlines
/PageLabels<</Nums[0<</S/A>>]>>/Pages 5 0 R/Type/Catalog/ViewerPreferences<</DisplayDocTitle true>>>>
endobj
%02) Reserved for big meta data
2 0 obj
<< >>
endobj
%03) Prepare Named Destinations
3 0 obj
<</Names [(Page1) [6 0 R /XYZ 0 792 null] (QRCode) [6 0 R /XYZ 25.0 317.0 1]]>>
endobj
%04) Prepare Outline / Bookmarks
...
...
许多人建议将二进制应用程序/PDF解压为文本/PDF，其中一些可能是混合的，因此仍然具有二进制应用程序文本。
针对此任务设计的三个最常见工具是qpdf（已提到，但使用混合QDF）、PDFtk（解压）和Mutool（不同的CLI选项），我最常用的是Mutool，因为在GL GUI中更容易更改输出设置。可以在MS Notepad中修改输出并预览结果。
因此任何文本编辑脚本都可以编写或编辑PDF，即使带有图形，而且几个应用程序可以将原始“二进制”PDF转换为原始“文本”PDF。但是，在其文本base64 RePrEx中暂时尝试编辑PDF是不可行的（虽然可能）。
- K J
0
除了qpdf工具转换成postscript可能会有帮助。
PDF是PS的一个子集。通常很容易弄清楚，例如图表的标签在哪里。您可以使用pdf2ps或调用ghostscript。
gs -sDEVICE=pswrite some.pdf -sOutputFile=some.ps -dNOPAUSE -c quit
当您使用pdflatex生成PDF时，可以通过选项禁用压缩。这使得PDF更易读。
- whoplisp
2
不，PDF不能准确地被描述为“PostScript的子集”。它是从PostScript派生而来：它的图形模型基本相同，它的语言语义是PostScript的子集，并且它使用的一些运算符在PostScript中具有相同的匹配项（使用更短的名称）。然而，与PostScript相比，PDF的图形能力已经大大改进和扩展（字体、颜色空间、透明度等）。 - Kurt Pfeifle
当我使用该命令时，出现了错误：
Unknown device: pswrite，并发现现在应该是ps2write。我的整个命令是
gs -sDEVICE=ps2write -sOutputFile=some.ps -dNOPAUSE -dBATCH example.pdf。 - Chris网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接