PDF文件生成

分析PDF格式

>python pdf-parser.py -w -f x.pdf > x.pdf.dump.txt

输出PDF文件源码并还原经过处理的stream对象。

PDF文件以obj为一个单位
<< >>包含obj的一些属性，如Filter格式
[2 0 R]表示引用obj 2 0 对象
/Type为Catalog, Pages, Page的页不可或缺
/Type为Page的obj，/MediaBox表示纸张大小

PDF显示中文

有两种方式显示中文，/Type为Font的obj的/Encoding属性为/Identity-H，然后/Contents所引用的obj中文字用glyph（文字在字体文件中的编码）表示。采用这种方式如果不把完整的字体文件或者经过裁剪的字体文件嵌入PDF文件中，会导致PDF文件兼容性很差，如对应系统中没有安装PDF指定的字体，则PDF将不能正常显示。 GetGlyphIndices即可得到glyph index。 另一种方式是/Encoding使用/WinAnsiEncoding，中文直接采用unicode编码表示。

PDF 单位

PDF中固定每个单位为1磅即1/72英寸，1英寸为2.54厘米。所以要在PDF上画1毫米即为72/2.54/10=2.834个单位

示例

%PDF-1.4

1 0 obj
<< 
/Type /Catalog 
/Pages 2 0 R 
>> 
endobj
2 0 obj
<< 
/Type /Pages 
/Count 1 
/Kids [ 3 0 R ] 
>> 
endobj
3 0 obj
<< 
/MediaBox [ 0 0 842 595 ] 
/Resources << /Font << /F2 6 0 R /F1 7 0 R >> /ProcSet 8 0 R >> 
/Type /Page 
/Parent 2 0 R 
/Contents 9 0 R 
>> 
endobj
4 0 obj
<< 
/Type /FontDescriptor 
/FontBBox [ 0 0 0 0 ] 
>> 
endobj
5 0 obj
<< 
/BaseFont /SimSun 
/Subtype /CIDFontType2 
/FontDescriptor 4 0 R 
/Type /Font 
/CIDSystemInfo << 
/Registry (Adobe)
/Ordering (GB1)
>> 
>> 
endobj
6 0 obj
<< 
/BaseFont /Helvetica 
/Name /F2 
/Type /Font 
/Encoding /WinAnsiEncoding 
/Subtype /TrueType 
>> 
endobj
7 0 obj
<< 
/FontDescriptor 4 0 R 
/Name /F1 
/DescendantFonts [ 5 0 R ] 
/Subtype /Type0 
/Encoding /UniGB-UCS2-H 
/Type /Font 
/BaseFont /SimSun 
>> 
endobj
8 0 obj
[ 
/PDF /Text 
]
endobj
9 0 obj
<< /Length 246 >> 
stream
1 0 0 1 0 0  cm
1  w
0.2745098 0.509804 0.7058824 rg
0 0 0 RG
56.68 538.32 28.34 28.34  re
 B


BT

/F1 8 Tf
0 0 1 rg
0 0 1 RG
0 0 m 28.34 580.83 TD 0 0 0 rg
0 0 0 RG

/F1 9 Tf
<7ED852364E004E2A59275C0F8FB9957F003153987C7376846B6365B95F62>Tj

ET

endstream
endobj
10 0 obj
<< 
/ModDate (D:20020306011115+06'00')
/CreationDate (D:20020306011115+06'00')
>> 
endobj
xref
0 11 
0000000000 65535 f
0000000010 00000 n
0000000063 00000 n
0000000127 00000 n
0000000287 00000 n
0000000356 00000 n
0000000515 00000 n
0000000632 00000 n
0000000791 00000 n
0000000823 00000 n
0000001121 00000 n
trailer
<< 
/Root 1 0 R 
/Size 11
/Info 10 0 R 
>> 
startxref
1220
%%EOF

源代码

C#基于PDFLib实现的一个PDF导出源码。 * 浮点数描述坐标，定位更准。 * 支持中文

https://github.com/codepongo/pdfexporter

参考

标签: CSharp

日期: 2017-03-20 17:30:06, 7 years and 301 days ago