PDF文件的基本结构（详细）

1 Header部分

PDF文件的第一行应是由5个字符“%PDF-”后跟“1.N”的版本号组成的标题，其中N是0到7之间的数字。例如下面的：

　　%PDF–1.0
　　%PDF–1.1
　　%PDF–1.2
　　%PDF–1.3
　　%PDF–1.4
　　%PDF–1.5
　　%PDF–1.6
　　%PDF–1.7

从PDF 1.4开始，应使用文档目录字典中的Version 条目（通过文件Trailer部分的Root条目指定版本），而不是标题中指定的版本。

2 Body部分

PDF文件的正文应由表示文件内容的一系列间接对象组成，例如字体、页面和采样图像。从PDF 1.5开始，Body还可以包含对象流，每个对象流包含一系列间接对象。例如下面这样：

1 0 obj
<< /Type /Catalog
　　/Outlines 2 0 R
　　/Pages 3 0 R
>>
endobj

2 0 obj
<< /Type Outlines
　　/Count 0
>>
endobj

3 0 obj
<< /Type /Pages
/Kids [4 0 R]
/Count 1
>>
endobj

4 0 obj
<< /Type /Page
　　/Parent 3 0 R
　　/MediaBox [0 0 612 792]
　　/Contents 5 0 R
　　/Resources << /ProcSet 6 0 R >>
>>
endobj
5 0 obj

<< /Length 35 >>
stream
　　…Page-marking operators…
endstream
endobj

6 0 obj
[/PDF]
endobj

3 Cross-Reference Table 交叉引用表部分

交叉引用表包含文件中间接对象的信息，以便允许对这些对象进行随机访问，因此无需读取整个文件即可定位任何特定对象。

交叉引用表以xref开始，紧接着是一个空格隔开的两个数字，然后每一行就是一个对象信息：

xref
0 7
0000000000 65535 f
0000000009 00000 n
0000000074 00000 n
0000000120 00000 n
0000000179 00000 n
0000000300 00000 n
0000000384 00000 n

上面第二行中的两个数字“0 7”，0表示下面的对象从0号对象开始，7表示对象的数量，也就是说表示从0到6共7个对象。

每行一个对象信息的格式如下：

nnnnnnnnnn ggggg n eol

• nnnnnnnnnn 长度10个字节，表示对象在文件的偏移地址；
• ggggg 长度5个字节，表示对象的生成号；
• n （in-use）表示对象被引用，如果此值是f （free），表示对象未被引用；
• eol  就是回车换行

交叉引用表中的第一个编号为0的对象始终是f（free）的，并且生成号为65535；除了编号0的对象外，交叉引用表中的所有对象最初的生成号应为0。删除间接对象时，应将其交叉引用条目标记为“free”，并将其添加到free条目的链表中。下次创建具有该对象编号的对象时，条目的生成号应增加1，最大生成号为65535；当交叉引用条目达到此值时，它将永远不会被重用。

交叉引用表也可以是这样的：

xref
0 1
0000000000 65535 f
3 1
0000025325 00000 n
23 2
0000025518 00002 n
0000025635 00000 n
30 1
0000025777 00000 n

 

4 Trailer部分

PDF阅读器是从PDF的尾部开始解析文件的，通过Trailer部分能够快速找到交叉引用表和某些特殊对象。如下所示：

trailer
<< /Size 7
    /Root 1 0 R
>>
startxref
408
%%EOF

文件的最后一行应仅包含文件结束标记%%EOF。关键字startxref下面的数字表示最后一个交叉引用表的xref关键字开头的字节偏移量。trailer和startxref之间是尾部字典，由包含在双尖括号（<<…>>）中的键值对组成。