Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

润色第三章 #16

Open
wants to merge 2 commits into
base: master
Choose a base branch
from
Open

润色第三章 #16

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
2 commits
Select commit Hold shift + click to select a range
eda4a8b
润色第三章
ZMbiubiubiu Jul 5, 2024
75f2c99
润色第2章
ZMbiubiubiu Jul 6, 2024
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
124 changes: 57 additions & 67 deletions chapter2.md
View file
Open in desktop
Original file line number Diff line number Diff line change
@@ -1,12 +1,11 @@
# 第2章 - 构建一个简单的PDF

在本章中，我们将在文本编辑器中手动构建PDF内容。然后我们将使用
免费的*pdftk*程序将其转换为有效的PDF文件，并在PDF查看器中查看输出。
在本章中，我们将在文本编辑器中手动构建PDF。然后我们将使用
免费的*pdftk*工具将其转换为有效的PDF文件，并在PDF查看器中查看。

此示例以及本书中的所有PDF文件都可以从中这本书的[网页](https://resources.oreilly.com/examples/0636920021483/)下载。

我们将同时考虑很多新概念，所以不要担心，
如果看起来压倒一切 - 我们将在以后的章节中回到这一切。
我们会遇到很多新概念，但不要担心，我们将在后面的章节中详细讨论它们。

补充pdftk介绍信息

Expand All @@ -15,7 +14,7 @@ PDF文件至少包含三种不同的语言:

* *document content*文档内容，是在它们之间具有链接的多个对象，形成有向图。这些对象描述了文档的结构（页面，元数据，字体和资源）。
* *page content*页面内容，描述了使用一系列操作符将文本和图形放在一个页面上。
* *file structure*文件结构，包括header(文件头)，trailer(文件尾)和交叉引用表，帮助程序找到并读取文件的内容。
* *file structure*文件结构，包括header(文件头)，trailer(文件尾)和交叉引用表，交叉引用表帮助定位并读取文件的内容。


### Document Content
Expand All @@ -25,11 +24,11 @@ PDF文件至少包含三种不同的语言:
* 整数，如 `50`
* 带圆括号的字符串，如 `(The Quick Brown Fox)`
* 引用其他对象，如 `2 0 R`，对对象2的引用。
* 对象的数组（有序集合），如 `[50 30 /Fred]`，是一个包含三个项目的数组，按顺序：`50`, `30` 和 `/Fred`。
* 对象的数组（有序集合），如 `[50 30 /Fred]`，是一个包含三个元素的数组，按顺序：`50`, `30` 和 `/Fred`。
* 字典（从名称到对象的无序映射），如 `<</Three 3 /Five 5>>`，映射 `/Three` 到 `3` 和 `/Five` 到 `5`。
* stream(流)，它由字典和一些二进制数据组成。这些用于存储PDF图形运算符的流，以及其他二进制数据，如图像和字体。

例如，这是一个页面对象，它是一个包含许多项目的字典，每个与名称相关联：
例如，这是一个页面对象，它是一个包含许多键值对的字典：
```
<< /Type /Page
/MediaBox [0 0 612 792]
Expand All @@ -39,7 +38,7 @@ PDF文件至少包含三种不同的语言:
>>
```

这个词典包含五个条目：
这个词典包含五个键值对：

`/Type /Page`
名称 `/Page` 与字典键 `/Type` 相关联。
Expand All @@ -48,78 +47,75 @@ PDF文件至少包含三种不同的语言:
四个整数 `[0 0 612 792]` 的数组与字典键 `/MediaBox` 相关联。

`/Resources 3 0 R`
对象编号3与字典键 `/Resources` 相关联。
编号3的对象与字典键 `/Resources` 相关联。

`/Parent 1 0 R`
对象编号1与字典键 `/Parent` 对象相关联。
编号1的对象与字典键 `/Parent` 对象相关联。

`/Contents [4 0 R]`
间接引用 `[4 0 R]` 的单元素数组与字典键 `/Contents` 相关联。


### Page Content
页面内容是运算符列表，每个运算符前面都有零个或多个
操作数。这是一系列操作符，用于在36号字体选择/F0字体并放置
当前位置的文字:
页面内容是运算符列表，每个操作符前面都有零个或多个
操作数。在下面这个例子中，表示选择在36号的/F0字体，并
当前位置放置文字Hello, World!:

```
/F0 36.0 Tf
(Hello, World!) Tj
```

这里，`Tf` 和 `Tj` 是运算符，而 `/F0`, `36.0` 和 `(Hello, World!)` 是操作数。
你可以看到一些语法元素（例如，名称和字符串）是共享的跨页面内
容和文档内容使用的语言。
在例子中，`Tf` 和 `Tj` 是操作符，而 `/F0`, `36.0` 和 `(Hello, World!)` 是操作数。
你可以看到一些语法元素（例如，名称和字符串）是共享，在Page Content页面内容和Document Content文档内容中都可以使用。

### 文件结构
### File Structure
文件结构包括：
* 用于将文件区分为PDF文档的header(文件头)。
* 一个交叉引用表，列出了文档中每个对象的字节偏移量 - 这个
允许任意访问对象，而不是必须按顺序读取。
* 用于将文件标记为PDF类型的header(文件头)。
* 一个交叉引用表，列出了文档中每个对象的字节偏移量 - 这
允许任意访问对象，而不必按顺序读取。
* trailer(文件尾)，包括交叉引用表的字节偏移，后跟文件结束标记。

在编写我们的示例文件时，我们将对许多文件结构使用不完整的值，
依靠*pdftk*来填写细节。例如，我们手动编写交叉引用表是不切实际的。
在创建pdf示例文件时，我们不需要将所有文件结构保持完整，
而是依靠*pdftk*来补充细节。例如，我们手动编写交叉引用表是不切实际的
（译者注：如上所述，交叉引用表要记录每个对象在文件中的偏移量）。

## Document 结构
我们将要构建的示例只是最简单有意义的PDF文件。然而，
它需要大量的元素。除了我们的文件结构
如上所述，最小的PDF文档必须包含许多基本部分：
我们将要构建的只是最简单有意义的PDF文件。然而你会看到，
它仍需要大量的元素。除了我们上述描述的文件结构 ，最小的PDF文档必须包含许多基本部分：
* trailer字典，提供有关如何阅读其余内容的信息文件中的对象
* 文档目录，它是对象图的根。
* 页面树，它枚举文档中的页面。
* 至少有一页。每个页面必须具有：
* - resources(资源)，包括例如字体。
* - 其页面内容，其中包含绘制文本和图形的说明在页面上。
* - contents(页面内容)，其中包含如何在页面中绘制文本和图形的说明在页面上。

这种安排如图2-1所示。
这种结构如图2-1所示。

![](./images/figure%202-1.png)

## 构建元素
我们将PDF数据输入到文本文件中。
文本编辑器选择的行结尾并不重要（\<LF\>[在 Unix 和 Mac OS X 中]和
\<CR\>\<LF\>[在 Windows 中]都很好）。
我们将跳过一些信息（手动难以解决的数据），依靠*pdftk*来填充它。我们会：
文本编辑器选择的行结尾并不重要（在 Unix 和 Mac OS X 中的`CR`和
在 Windows 中的`<CR><LF>`。
我们将跳过一些信息（人工难以介入的工作），依靠*pdftk*来填充它。我们会：
* 使用简短的header。
* 跳过了页面内容流的长度，因此我们不必手动计数字节数。
* 省略几乎所有的交叉引用表
* 使用0表示交叉引用表的字节偏移量，以避免必须计数它手动。
* 使用0表示交叉引用表的字节偏移量，以避免必须人工计数。

首先，我们将查看文件的各个部分（按照它们出现的顺序）然后查看
我们将它们放在一起并运行*pdftk*来制作有效的PDF文件。
首先，我们将按顺序依次查看文件的各个部分，然后将它们放在一起并运行*pdftk*来制作有效的PDF文件。

### 文件头
文件头通常由两行组成。第一行将文件标识为PDF和
给出它的版本号：
文件头通常由两行组成。第一行将文件标识为PDF并给出它的版本号：
```
%PDF-1.0 % PDF 版本号为 1.0 的文件头
```
第二行很难输入文本编辑器，因为它包含不可打印的字符。
我们将有*pdftk*为我们这样做。
我们将使用*pdftk*生成第二行内容。

### 主要对象
到文件的主体-对象。第一个是Page列表，它是链接到文档中页面对象的字典。
现在说文件的主体-对象。第一个是Page列表对象，它是链接到文档中页面对象的字典。

```
1 0 obj % 对象1
Expand All @@ -130,7 +126,7 @@ PDF文件至少包含三种不同的语言:
endobj % 对象1结束
```

接下来是页面。再次，它是一个字典。它包含纸张大小，间接
接下来说页面对象。它也是一个字典。它包含纸张大小，间接
引用返回页面列表，以及图形内容和资源。
```
2 0 obj
Expand All @@ -143,7 +139,7 @@ endobj % 对象1结束
endobj
```

现在，资源(resource)。在这里，只有一个条目，字体字典，在我们的
现在说资源(resource)对象。在这里，只有一个条目，字体字典，在我们的
示例包含单个字体，我们将使用该字体在页面上写入一些文本。
```
3 0 obj
Expand All @@ -158,14 +154,12 @@ endobj
```

### 图形内容
页面内容流包含用于放置文本和图形的一系列运算符
在页面上。它通过页面字典中的 `/Contents` 条目链接。
页面内容流包含在页面上放置文本和图形的一系列操作符。它通过页面字典中的 `/Contents` 条目链接。

流对象由字典后跟原始数据流组成，包含一个
一系列PDF操作数和运算符。通常，这将被压缩以减少
文件大小，但我们手动输入，所以我们不压缩它。
我们还必须以字节为单位指定流的长度-*pdftk*将为我们添加所需的
`/Length` 条目到流字典。
流对象由字典以及原始数据流组成，流包含一系列PDF操作数和操作符。
通常，这部分内容会被压缩以减少文件大小。
但我们这次是人工输入，所以我们不压缩它。
我们还必须以字节为单位指定流的长度-*pdftk*将为我们添加所需的`/Length` 条目到流字典。

```
4 0 obj % 页面内容流
Expand All @@ -180,41 +174,39 @@ endstream % 流结束
endobj
```

页面上的图形运算符流的结果如图2-2所示。
页面上的图形操作符流的结果如图2-2所示。
![](./images/figure%202-2.png)

### 目录，交叉引用表和文件尾
文件的最后一部分以文档目录开头，该目录是文档目录的根对象
对象图。接下来是交叉引用表，它给出了字节偏移量
文件中的每个对象。我们将*pdftk*为我们填写此内容。最后两行：一行
给出交叉引用表开始的字节偏移量（我们写0和pdftk将
替换它为我们）。最后，文件结束标记 `%%EOF`。
文件的最后一部分以Document Catalog文档目录开头，该目录是文档目录的根对象对象图。
接下来是交叉引用表，它给出了文件中每个对象的字节偏移量。
我们将使用*pdftk*为我们补充此内容。
最后两行：一行给出交叉引用表开始的字节偏移量（我们写0，pdftk将替换为真实偏移量）。一行是文件结束标记 `%%EOF`。

```
5 0 obj
<< /Type /Catalog % 文件目录
/Pages 1 0 R % 参考页面列表
<< /Type /Catalog % 文档目录
/Pages 1 0 R % 间接引用页面列表对象
>>
endobj
xref % 我们跳过了交叉引用表的开始
0 6
trailer
<< /Size 6 % 交叉引用表中的行数（对象数加1）
/Root 5 0 R % 参考文档目录
/Root 5 0 R % 间接引用文档目录对象
>>
startxref
0 % xref表开始的字节偏移量，我们将其设置为0
%%EOF % 文件结束标记
```

现在我们准备将这些部分放在一起了

现在我们准备将这些部分放在一起了。

## 把它放在一起
可以在此在线资源中找到书此文件的源（示例2-1），
或者你可以自己输入。将其保存为*hello-broken.pdf*。

例2-1。无效的hello-broken.pdf PDF文件适合手动创建
例2-1。无效的hello-broken.pdf PDF文件，适合手动创建

```
%PDF-1.0 % 文件header
Expand Down Expand Up @@ -267,8 +259,7 @@ startxref
%%EOF
```

就目前而言，hello-broken.pdf不是有效的PDF文件，甚至也不是Adobe Reader（其中
相当容忍格式错误的文件）将无法应对。
就目前而言，hello-broken.pdf不是有效的PDF文件，甚至也不是Adobe Reader（虽然它能处理很多文件的格式错误）将无法应对。

> 译注：
> Adobe Acrobat 2018 已经可以直接打开 `hello-broken.pdf` 文件。
Expand All @@ -281,9 +272,8 @@ startxref

**pdftk hello-broken.pdf output hello.pdf**

*pdftk*读取文件及其对象，并为缺失或计算正确的数据
我们写的错误部分，并生成示例2-2中显示的有效文件。注意
一些语法的间距和格式已经改变 - 每个PDF制做人对此有不同的选择。
*pdftk*读取文件及其对象，并更正缺失或我们写错的部分，生成示例2-2中显示的有效文件。
注意一些语法的间距和格式已经改变 - 每个PDF创建软件对此有不同的选择。

*例2-2。完成的PDF文件hello.pdf，由pdftk修复*
```
Expand Down Expand Up @@ -357,11 +347,11 @@ startxref
```

1: 一些不可打印的字符已添加到PDF标题中 - 这可确保文件被识别为二进制
（而不是文本），例如，通过FTP等文件传输程序。
（而不是文本）格式，例如，通过FTP等文件传输程序。

2: 已填写流的字节长度。

3: 交叉引用表已填入了每个对象的字节偏移量文件。
3: 交叉引用表已填入了每个对象的字节偏移量。

4: 已填写交叉引用表开头的字节偏移量。

Expand All @@ -371,8 +361,8 @@ startxref


## 备注
我们已经看到了如何从头开始构建一个简单的PDF文件，使用*pdftk*来帮助我们，以及
我们已经看了一些构成PDF文档的基本语法。
我们已经看到了如何从头开始构建一个简单的PDF文件，然后使用*pdftk*来帮助我们，
在这个过程中我们看了一些构成PDF文档的基本语法。

你也可以使用文本编辑器查看现有的PDF文件。但是，有些
数据（例如构成页面内容的图形运算符）很可能被压缩，因此不可读。
Expand Down
Loading