Skip to main content

PDF

# ImageMagick
# 第1页  PDF -> PNG
convert -density 300 input.pdf[0] output.png
convert -density 300 input.pdf[0-3] "output-%d.png"

# 有些 PDF 文档有问题
# -flatten
convert -density 300 input.pdf[0,1,-2,-1] -background white "output-%d.png"

# Poppler
# https://poppler.freedesktop.org/
apt-get install poppler-utils # Debian/Ubuntu
brew install poppler          # macOS
# 文件-1.png
pdftoppm -png 文件{.pdf,}

# 检查
# ==========
qpdf --check input.pdf
gs -o /dev/null -sDEVICE=nullpage input.pdf # Ghostscript 深度渲染检查
verapdf --flavour 1b input.pdf              # VeraPDF 专业标准验证
# 部分修复
qpdf --empty --pages input.pdf -- repaired.pdf
mutool clean -gggg input.pdf repaired.pdf # apk add mupdf-tools

# 基本信息
pdfinfo input.pdf # poppler-utils
Title:           build.0
Author:          https://imagemagick.org
Creator:         https://imagemagick.org
Producer:        https://imagemagick.org
CreationDate:    Fri Jul 25 14:03:54 2025 CST
ModDate:         Fri Jul 25 14:03:54 2025 CST
Custom Metadata: no
Metadata Stream: no
Tagged:          no
UserProperties:  no
Suspects:        no
Form:            none
JavaScript:      no
Pages:           2
Encrypted:       no
Page size:       558.48 x 769.2 pts
Page rot:        0
File size:       2437384 bytes
Optimized:       no

Tools​

  • poppler
  • pdf2image
  • pdftohtml
  • xpdf
brew install poppler

pdfseparate document.pdf %d.pdf

Spec

veryearAcrobat ver主要新特性和里程碑
1.01993Acrobat 1.0文本、矢量图形、光栅图像（JPEG, LZW）、设备无关性。
1.11994Acrobat 2.0增强交互性: 引入链接、注释（Notes）、密码保护（40位 RC4）、设备无关色彩。
1.21996Acrobat 3.0功能扩展: 交互式表单（AcroForms）、CMYK和专色支持、鼠标事件、外部电影链接。
1.31999Acrobat 4.0印刷与动态内容: 引入数字签名、JavaScript、ICC色彩配置文件、平滑着色（Smooth Shading）。
1.42001Acrobat 5.0图形透明度: 引入透明度 (Transparency) 模型、JBIG2 压缩（高效黑白压缩）、128位 RC4 加密、初步的“标签化PDF”（Tagged PDF）以支持可访问性。
1.52003Acrobat 6.0性能与多媒体: 引入对象流（压缩多个PDF对象）、JPEG 2000 压缩、图层（可选内容组, OCG）。
1.62004Acrobat 7.0富媒体与字体: 支持嵌入 OpenType 字体、嵌入3D图稿（U3D格式）、AES 加密。
1.72006Acrobat 8.0ISO 32000-1:2008, 成为国际标准, 增加了更多的注释类型、打印机预设等
2.02017-ISO 32000-2:2017, 移除私有元素, 改进了数字签名（PAdES）、附件处理、地理空间参考、3D数据（PRC格式）、改进的标签化和可访问性。
2.02020-ISO 32000-2:2020
  • PDF 1.0 到 1.6，PDF 规范完全由 Adobe 公司控制和发布
  • PDF 1.7, ISO 32000-1 - Adobe 主导, ISO 管理
  • PDF 2.0 - 由 ISO 委员会内部开发和发布
  • 子集标准 (Subsets)
    • PDF/A: 用于长期存档 (Archiving)。
      • 自包含、无动态、无加密
    • PDF/X: 用于高端印刷和图形交换 (eXchange)。
      • 确保印刷效果和设计稿一致
      • 色彩管理、CMYK、嵌入字体
    • PDF/E: 用于工程文档 (Engineering)。
      • 可靠地交换复杂的工程图纸
      • 3D模型、图层、交互
    • PDF/UA: 用于确保通用可访问性 (Universal Accessibility)。
      • 确保残障人士也能访问
      • 标签化、替代文本、逻辑顺序
  • 参考
  • Objects - 对象
    • Boolean, Numberic, String, Name, Array, Dictionary, Stream, Null, Indirect
    • Name - /Type
    • Stream
      • /Length
      • /Filter
      • /DecodeParms
      • /F - file specification
      • /FFilter
      • /FDecodeParms
      • /DL - number of bytes in the decoded stream
    • Indirect - 对象编号/对象引用
      • O G R
      • O 对象编号
      • G Generation Number
      • R - 固定符号 R
      • 1 0 R - 对象编号为 1，代号为 0 的对象引用
  • File structure - 文件结构
    • 对象如何在 PDF 文件中存储、访问和更新。
    • Header, Body, Cross-reference table (xref), Trailer
    • Header %%PDF-1.7
    • Body - Array<StreamObject | IndirectObject>
    • Cross-reference table (xref)
      • 记录了每个对象在文件中的位置
      • information that permits random access to indirect objects
      • indirect object -> bytes offset in PDF file
      • Cross-reference streams
      • xref 开头，后跟对象编号和偏移量
      • trailer - 包含文档的元数据和其他信息
    • Trailer
      • Size - 对象总数
      • Prev - 前一个交叉引用表的偏移量, 如果不止一个 cross-reference section
      • Root - 文档的根对象 - catalog
      • Encrypt
      • Info - 文档信息字典
      • ID - 文档唯一标识符
    • Incremental updates
      • 通过在文档后面附加内容来更新 PDF
    • Object Stream
      • PDF 1.5+
      • a sequence of indirect objects may be stored, as an alternative to their being stored at the outermost PDF file level.
      • 更高效的存储和访问 - “compressed object”
      • Type ObjStm
      • N
      • First - byte offset
      • Extends
    • Cross-reference streams
      • Type
      • Size
      • Index
      • Prev
      • W
  • Document structure - 文档结构
    • 描述了如何使用基本对象类型来表示 PDF 文件的组件（如页面、字体、注释等），以及整体的文档结构。
    • catalog
    • page tree - page - content stream
    • outline hierarchy - outline entry
    • structure tree - structure element
    • metadata reference
    • names dictionary - embedded files, javascript
    • interactive form
    • collection
    • infomation & controls
    • Type - Catalog
    • Version
    • Extensions
    • Pages
    • PageLabels
    • Names
    • Dests
    • ViewerPreferences
    • PageLayout
    • PageMode
    • Outlines
    • Threads
    • OpenAction
    • AA
    • URI
    • AcroForm
    • Metadata
    • StructTreeRoot
    • MarkInfo
    • Lang
    • SpiderInfo
    • OutputIntents
    • PieceInfo
    • OCProperties
    • Perms
    • Legal
    • Requirements
    • Collection
    • NeedsRendering
    • DSS
    • AF
    • DPartRoot
  • Content streams - 内容流
    • 描述页面或其他图形实体外观的指令序列。这些指令虽然也表示为对象，但在概念上与表示文档结构的那些对象是截然不同的，并且是分开描述的。
编码/过滤器/Filter等同于适用场景
DCTDecodeJPEG彩色/灰度照片
FlateDecodePNG / ZIPPDF 1.2,截图、图表、Logo
CCITTFaxDecode传真 G3/G4黑白扫描件
JBIG2DecodeJBIG2PDF 1.4,黑白文本扫描件
JPXDecodeJPEG 2000PDF 1.5,高质量照片、医学影像
CryptPDF 1.5, 用于解密由安全处理器加密的数据
RunLengthDecode
LZWDecode
ASCII85Decode
ASCIIHexDecode
FontSubtype描述
Type 0Type0(PDF 1.2) 复合字体 — 一种由后代 CIDFont 中的字形组成的字体。
Type 1Type1使用 Type 1 字体技术定义字形形状的字体。
MMType1多重主控字体 — Type 1 字体的扩展，允许从单个字体生成多种多样的字体样式。
Type 3Type3使用 PDF 图形操作符流来定义字形的字体。
TrueTypeTrueType基于 TrueType 字体格式的字体，其字形描述基于 TrueType 字形技术。
CIDFontCIDFontType0(PDF 1.2) 一种 CIDFont，其字形描述基于 CFF 字体技术。
CIDFontType2(PDF 1.2) 一种 CIDFont，其字形描述基于 TrueType 字形技术。
  • CID - Character Identifier
    • 用于表示 CJK 字符集的字体
    • CIDFont - 字体类型
    • CIDSet - 字符集定义
  • CFF - Compact Font Format
    • 用于 Type 0 字体的字形描述
    • 基于 PostScript 字体技术
  • 中文文本位于 /Font/ToUnicode beginbfchar
    • ToUnicode 是 CID 信息, 可能 FlateDecode 压缩
    • beginbfchar
      • <0001> <7535> - 字符编码和对应的 Unicode 字符

FAQ

水印处理逻辑​

  • 水印可能会添加一个带 URL 的 Annotation
  • 直接在 CONTENTS 的 Steam 中添加内容

双面 PDF​

没有双面 PDF，只有单面 PDF，通过打印机的双面打印功能实现。

扫描仪的双面扫描功能，只是将扫描的 PDF 文件进行了旋转合并。