第一章 PDF基础

伴随互联网的发展，各种信息需要传输与共享，但在此过程中也存在巨大的问题。比如，我们可能需要将文档加密后再传输共享；对不同的使用人员设置不同的权限；接收使用者可以确信此文件就是XX所写；文档可打印输出高质量的图片；为方便设计人员在未安装设计软件的情况下查看设计图，文档中包含以3D动画方式存储的设计图；电子图书收费问题等；为解决这些问题，产生各种格式的电子文档，如，常见的office文档，PDF等。但若要实现高效且安全的信息创建，传输与共享，PDF是最佳的选择。

1.1  PDF与HTML，XML，Word比较

为什么PDF是最佳选择？与其他文件格式相比，PDF又有哪些优势？ 

 PDF与html，xml都包含有关键字，分隔符，数据等。但不同的是PDF以8位二进制流的方式保存，但HTML以文本方式保存，因此打开一个HTML文件就可知道所有将显示在浏览器中的信息；XML一般只包含数据，而不包含任何显示信息，因此XML文件需要一个Schema文件才可显示；并且HTML不包含二进制流，因此对图像文件的引用全部通过链接，以外部文件的方式实现。

PDF与Word相比，PDF更能体现跨平台性。目前在Windows系统下，Word以.doc(或.docx)格式存储；在MAC OS下使用页面文件方式存储；而在其他平台下，均使用.odf格式存储；并且需要安装不同的软件。

1.2  什么是PDF?

了解了PDF与HTML，XML等文件格式的区别，下面具体看PDF是什么？

PDF是PostScript的后续版本，是一种可检的PostScript，但又有别于PostScript。

PostScript语言是由Warnock和Chuck Geschke一起开发，并在1984年推向市场，后经改进作为驱动激光打印机的语言。1985年3月，Apple LaserWriter是第一款带有PostScript的打印机，这也因此带来了20世纪80年代中期的桌面印刷革命。由于广泛的应用和技术优点使得PostScript很快成为打印应用领域影像输出的一个最佳选择。

但随着互联网的发展，以电子方式发布文档越来越流行，PostScript已无法完全满足需要，这时产生了PDF。

PDF格式规范自1993年产生到现在伴随Adobe Acrobat新版本的更新不断变化。目前PDF格式有8个版本，分别对应Adobe Acrobat 1.0 – 8.0：1.0 (1993年) ，1.1（1994年），1.2（1996年），1.3（1999年），1.4（2001年），1.5（2003年），1.6（2005年），以及1.7（2007年）。

总的来说，PDF（Portable Document Format） —— 可移植文档格式，一种电子文档格式。可在Windows, ;Unix, Mac OS系统中使用，具有较好的跨平台性；有效的加密算法和数字签名，使PDF具有较高的安全性；这些特点使PDF成为Internet上电子文档发行和数字化信息传播的理想文档格式。

1.3  PDF结构和技术

1. PDF是一种结构化的文件格式，由包含的各个对象组成。因为每个对象都有自己独有的数字标号，因此可以不按顺序出现在PDF文档内，而通过对象引用，决定对象在文档中的显示位置。PDF结构包括对象，文件结构，文档结构和内容流四部分。

a) 一个简单的PDF文件基本结构又包括：

Ø 文件头 — 指明此文件所遵守的PDF规范和版本号，出现在PDF文件的第一行；

Ø 文件体 — PDF文件的主要部分，由一系列对象组成

Ø 交叉引用表 — 一个间接对象的地址索引列表，为实现对对象的随机存取而设立

Ø 文件尾 — 保存相关安全设置信息；保存交叉引用表地址，以达到随机访问对象的目的

文件头

文件体

交叉引用表

文件尾

b) PDF文档结构是一种树形结构，可指定对象的引用方式，进而决定对象在文档中显示情况。

c) 内容流包含描述页面或其他图形实体的外观和文件内容的一系列指令。

2. PDF的发展经历8次更新升级，但其所使用的核心技术基本一致，可总结为以下三点：

a) 产生于PostScript，是其缩小版

b) 字型嵌入系统，使嵌入字型随文件一起传输；即，可以嵌入自定义的字型，并且所嵌字型可以随PDF文件的传输一起传输。

c) 资料压缩；采用各种压缩技术对PDF文件进行压缩，使PDF文件占用更小的体积。

1.3  PDF特性与优势

正因为PDF文件具有特殊的结构和技术，相比HTML，XML，WORD有更多的优势，因此越来越多的电子图书，产品说明，公司文档，网路资料，电子邮件等均使用PDF格式文件。PDF之所以应用如此广泛，是因为与其他文件格式相比具有众多优势与特点。

1. 跨平台性

PDF文档采用效率更高的8位二进制字节描述，使其可以在不同平台和操作系统间传输，且传输时无需在原始字符集，尾行语法或各种平台间进行翻译，因此减少了因不经意的改变而导致文件损坏无法使用的几率。

2. 安全性

为保证文件的真实性，完整性和机密性，PDF文件一般采用口令加密和数字签名两种安全保护模式。被设定安全保护的PDF文件，将终生保持此安全设置，因而可更好的在内部或外部共享电子文档。

口令加密对PDF文件进行访问控制和权限控制，对不同的用户设置不同的权限。允许授权用户浏览，甚至修改PDF文件；禁止未授权用户浏览，修改，复制PDF文件。

数字签名采用公钥/私钥，指纹识别等多种方式验证PDF文件的真实性，防止被恶意用户的非真实PDF文件所骗。

3. 数据压缩

PDF支持多种不同工业标准的数据压缩算法，用户可以根据不同的需要选择。如，用于图像压缩的JPEG或JPEG2000；用于文本，图像，图形的LZW（Lempel-Ziv-Welch）和Flate。

4. 可嵌入字体

PDF中提供多种字体管理方法，允许在文档中嵌入TrueType,  Open Type等字体。

5. 页面独立性

    PDF文件中的对象在各自的页面内已被格式化，且这些对象数据包含在交叉引用表中。对交叉引用表的调用，可以使定位到或直接访问页面和文件中的其他重要对象变得轻松自如。

1.4  双层PDF

随着PDF技术不断的发展，常见的单层PDF文件，无法满足对图片的搜索。为解决此问题，产生了双层PDF。双层PDF是指PDF文件中既包含文本层，又包含图像层，其位置是上下一 一对应。

原理：双层PDF是指将标准资料经扫描录入后，经过去污，纠偏和OCR识别，然后直接生成可以检索的PDF文件。这样的PDF文件就是双层PDF，上层是原始图像，下层是识别结果。此PDF文件既保持了原有布局，同时又支持复制，粘贴，搜索功能。

第二章 PDF应用

PDF与其他格式相比具有众多优势，那么PDF具体应用在哪些领域呢？在哪些领域中使用更能体现PDF优势？PDF都有哪些相关的操作？

2.1  PDF应用范围

PDF可以应用在众多行业，如：需对文件进行归档操作的行业，图书馆，制造业等。并且PDF已慢慢成为以下各行业的标准。 

Ø 归档

PDF/A支持数字文档的长期保存，可以保存和保护重要的电子文档和信息，因此各种需进行归档操作的行业都可使用，如：记录管理员，档案保管员，软件开发文档管理员等。

Ø 出版

PDF/X是为了方便于可印刷最终文档的交换而开发的。对要出版印刷的电子图书中的输出内容进行限制，如，不适合直接进行高质量输出印刷的JAVA小程序，嵌入的多媒体内容等。因此印刷专业人员，图形设计人员和其他创作专业人员可以使用PDF交付可预知，可印刷，符号PDF/X标准的文件。

Ø 设计

建筑师，工程师和制造业专业人员，可以使用PDF分发，审阅，重用嵌入U3D格式的设计内容。

（U3D: 通用 3D (U3D) 文件格式是一种用于共享和查看交互式 3D 设计的开放式可扩展格式。）

Ø 工程

PDF/E提供可靠交换文档和绘图的准则，并且已正式被接受为ISO工作项。建筑师、工程师、专业施工人员和制造业产品团队可以简化项目信息的交换, 在一个 PDF 文件中对包括复杂 3D 内容的文档进行审阅并在文档上进行标注。

2.2  PDF应用具体分析

以下以PDF在电子图书，资料归档中的应用为例具体分析。

电子图书以PDF格式出版发布前，必然要先创建PDF；当需要向已创建的PDF中加入若干页或删除某些页时，同样需要PDF处理工具；而读者想使用电子图书，就需要PDF浏览工具；除此，读者可能需要根据其需要，提取其中的某些内容或图片，这就又需对PDF进行处理（权限允许的前提下）。电子图书以PDF格式发行还有一个重要原因：PDF线性化，为电子图书收费问题提供了方法。所有者可以根据用户读取的数据流多少，判断收费。

资料归档时，可能其拥有资料的格式各不相同，为能以更安全，兼容性更好的方式保存资料，可将其转换为PDF格式，这将需要PDF转换；当需要调阅资料时，必然又需PDF浏览工具。

每个企业都有其机密文件，不同的人员只可查看符合其权限的资料文件，这时以PDF格式保存的资料文件需要设置不同的权限，加密等操作，这涉及到PDF处理和浏览。

但不论PDF用在哪个领域，总的来说涉及其三个方面：PDF创建，PDF处理，PDF浏览（如表）：

2.3  PDF产品

i. PDF创建

a. PDFlib是由PDFlib公司开发的，可在客户端和服务器端创建PDF文件，且无需第3方软件；兼容多种编程语言，并有大量可用的示例程序供参考；对中日韩文字支持较好；详细的中文帮助文档。

b. PDF-XChange Pro SDK由Tracker公司开发的一个套包，包含PDF-XChange Drivers API SDK和PDF-XChange Tools SDK; PDF-XChange Drivers API SDK(可单独使用),采用虚拟打印机的方式扫描生成与Adobe兼容的PDF文件；所创建的PDF文件具有高压缩率，体积更小；支持多种开发语言。

c. ASpose.PDF由Aspose公司开发，是一个无图形用户界面.NET PDF创建控件，价格适中。

ii. PDF处理

a. PDFlib+PDI对已有PDF文件进行处理，如：PDF文件的合并，拆分，添加页；PDI不可单独使用。

b. PDF-Tools SDK由Tracker公司开发，可直接将所支持的图像格式文件（BMP,DCX,GIF,JBIG,JPEG等）转换为PDF；支持多种开发语言。

c. activePDF Server由activePDF公司开发，可方便而快捷的在应用程序中添加PDF转换功能；具有多线程的特征；安全性高；支持线性化。

d. activePDF DocConverter由activePDF公司开发，是一款基于服务器的PDF转换控件；可动态转换超过280种不同格式的文件为PDF文件；使用方便，无需复杂代码，只需设置简单的输出参数即可；但必须与activePDF Server一起使用。

iii. PDF浏览

a. PDF-XChange viewer SDK由Tracker公司开发，可在开发者的应用中添加PDF浏览功能，无需安装Adobe Reader;可在多种开发语言中使用，如C++, .NET，Delphi等；存在多个版本，用户可根据需要选择需要的套包版本。