PDF 文档结构由多个组件组成，这些组件决定了文本、图像和其他元素的存储和显示方式。PDF 是一种二进制文件格式，这意味着您无法在文本编辑器中直接编辑 PDF 文件。添加或删除一个字符都可能导致整个文件损坏！

PDF 文件结构

理解 PDF 文档结构对于处理这些文件的开发人员至关重要。PDF 文件内部包含 头部（Header）、主体（Body）、交叉引用表（Cross-Reference Table）和尾部（Trailer）。

头部（Header）

PDF 文件的开头包含以下字节，指示该文件符合哪个版本的 PDF 规范：

%PDF-2.0

主体（Body）

PDF 文件的主体由一系列 PDF 对象 组成，这些对象决定了文件的外观和内容。PDF 文件包含九种对象类型：

    1    布尔（Boolean）对象

    2    数字（Number）对象

    3    浮点（Real）对象

    4    整数（Integer）对象

    5    字符串（String）对象

    6    名称（Name）对象

    7    数组（Array）对象

    8    字典（Dictionary）对象

    9    流（Stream）对象

    10    空（null）对象

这些对象以 树结构 进行组织。/Root（根对象）位于最上层，它包含一个子对象 /Pages，其中存储着文件的页面信息。每个页面都包含一个 /Contents（内容流）对象，该对象包含用于渲染页面的绘图指令。同时，页面还包含 /Resources（资源）字典对象，存储着内容流所需的资源，如图像或颜色设置。在较新的 PDF 版本中，对象可能会被压缩到流中。

 

 交叉引用表（Cross-Reference Table）

交叉引用表列出了 PDF 文件中的所有对象，并以字节偏移量的形式记录它们在文件中的位置。这个表的作用是支持随机访问，从而提高性能。由于可以直接定位到某个对象的位置，因此无需读取整个文件即可显示单个页面。

 

  尾部（Trailer）

PDF 文件通常是从末尾开始读取的，因为文件的尾部（Trailer）位于文件的末端。尾部包含根对象（Root）、一些元数据，以及交叉引用表的字节偏移量。 尾部由 trailer 关键字标记，PDF 文件的结尾必须包含：

%%EOF

文本存储

PDF 文件中的文本存储在 /Contents（内容流）对象中。用于控制文本位置和绘制的常见指令包括 Tj、Tf、TD、Tw 等。了解更多

图像存储

PDF 文件中的图像存储在 XObject（扩展对象）中，它们是特殊的流对象，包含原始的二进制图像数据。这些图像不是以 PNG 或 JPEG 格式存储的，而是以像素数据和颜色空间信息的二进制形式存储。通常，图像数据会使用一种或多种压缩过滤器进行压缩。了解更多

JPedal Inspector

本文使用 JPedal Inspector 创建，该工具可用于PDF 调试和分析 PDF 文件的内部结构。JPedal Inspector 提供如下功能：

    1    COS 树查看器

    2    交叉引用表（XREF）查看器

    3    流调试器（带断点功能）

您可以了解更多关于 JPedal 的信息，或查看本教程以学习如何使用 Inspector。

我们的主页：PDF 转 HTML5、Java 图像库、Java PDF SDK - IDRsolutions