PDF的信息表達原理及特點分析
發布時間：2024-03-29 點擊：128
一、pdf概述
pdf（portable document format）是一種結構化的文檔格式。它由美國著名排版與圖像處理軟件adobe公司于1993年首次發布（1．0版），并于同年推出了其相應的支持軟件產品系列adobeacrobat1．0版；隨后adobe公司又對它進行修訂和升級，于1994年發布了1．1版，并推出了支持軟件產品系列adobe acrobat2．0及2．1版。隨后的pdf1．2版又于1996年11月27日發布，相應的支持軟件產品系列adobe acrobat也升級到3．0版。至1997年底，國際標準化組織已經開始醞釀將pdf接納為國際標準。
1.pdf與ps的比較
ps語言（postscript語言，即頁面描述語言），也是由adobe公司擁有的一項事實上的印刷工業標準，它能描述精美的版面，在目前的印刷領域中占據著統治地位。pdf是從ps發展而來，在對頁面的描述方面它們有著幾乎相同的能力和相似的描述方法。pdf采用了與ps相同的著色模型（imaging model）來表現文字和圖形，與ps語言一樣，pdf的頁面描述指令也是通過將選定的區域著色來繪制頁面的。著色的區域可以是字母等的輪廓、直線和曲線定義的區域以及位圖，著色的顏色可以是任意的，頁面上的任何圖形都可以被裁剪成其他形狀。頁面開始時是全空的，各種指令將不同的圖形繪制到頁面上，并且新的圖形是不透明的，它可以覆蓋舊的圖形。
雖然如此，pdf與ps相比，還是有很大的不同。這主要表現在以下幾個方面：①pdf文件中可以包含交互對象，如超鏈接、交互表單等，而ps則沒有。②pdf是一種文件結構，而ps則是一種編程語言，因此，pdf具有比ps更高的處理效率。③pdf的嚴格結構定義允許應用程度對其中的某個對象進行隨機存取，而ps則只能對整體進行順序存取。例如要訪問一個ps文件中的第100頁，那么就必須在先順序解釋了其前99頁之后，才能找到第100頁，而在pdf中對每一頁的存取則都是一樣快的。④pdf中還包含有字庫的規格尺寸等字庫描述信息，以便在字庫不存在之時，可以進行字庫仿真（并非簡單的字庫替代），保證文檔顯示的一致性。
2.pdf的特點
pdf的特點可以歸納如下：①可傳遞性。pdf文件支持7位ascⅱ碼和二進制碼這兩種編碼方式，可以正確地在各種網絡環境下進行傳輸。②支持交互操作。pdf包含了交互表單和超鏈接等交互對象。③支持聲音、動畫。④支持對頁面內容的隨機存取，提高了頁面的各種操作速度。⑤支持不斷追加的修改方式，以便于少量修改和提高效率。⑥支持多種壓縮編碼方式，文件結構更加緊湊。⑦字體無關性。pdf文件中可以自帶字庫描述信息，以便于在用戶系統缺乏所需字體的情況下，仍然能夠保證文檔的正確顯示。⑧平臺無關性。pdf文件具有軟、硬件的平臺獨立性。這個特點非常適合于網絡傳遞中的信息交換，以免除亂碼的苦惱。⑨安全性控制。pdf文件支持各種不同級別的安全性控制，這種安全性控制對于保護電子出版物的版權是非常重要的，我們可根據各種不同電子出版物的安全性要求來進行不同級別的安全設置。
二、pdf原理結構
1.pdf文件結構
pdf的文件結構（即物理結構）包括四個部分：文件頭、文件體、交叉引用表和文件尾，可參見圖一。
文件頭指明了該文件所遵從的pdf規范的版本號，它出現在pdf文件的第一行。
文件體由一系列的pdf間接對象（indirectobject）組成。
交叉引用表則是為了能對間接對象進行隨機存取而設立的一個間接對象的地址索引表。
文件尾聲明了交叉引用表的地址，即指明了文件體的根對象（catalog），還保存了加密等安全信息。
2.pdf文檔結構
pdf的文檔結構即是pdf文件內容的邏輯組織結構，它反映了文件體中各間接對象間的等級層次關系。pdf的文檔結構是一種樹型結構，如圖二所示。樹的根節點也就是pdf文件的根對象，根節點下面有四個子樹：頁面樹（pages tree）、書簽樹（outline tree）、線索樹（articlethreads）和名字樹（nameddestination）。
其中，在頁面樹中，所有頁面對象都是該樹的葉子節點，它們將繼承父節點的各屬性值來作為其相應屬性的缺省值。書簽樹則是按照樹型層次的等級關系來將書簽（book mark）組織起來的，書簽建立了某個書簽名與一個具體頁面的位置關聯，它使得用戶可以按照書簽名來訪問文檔的內容。線索樹則將文章線索以及線索下的各文章塊（article bead），按照樹型的結構組織起來進行管理。至于名字樹，它則是建立了一種字符串（即名字）和頁面區域的對應關系，樹中的各葉子節點保存著字符串及其相應的頁面區域，而非葉子節點則只是一種索引，以便讓應用程序能夠對葉子節點進行快速存取。名字樹的作用就是讓pdf文件中的其它對象也能夠用字符串名字來代表其某一個頁面區域。
3.pdf中的資源
pdf中的頁面內容（如文字、圖形、圖像等）都保存在頁對象的contents關鍵字所對應的流對象（以下簡稱內容流）中。內容流中用到了很多基本對象（如數字、字符串等），這些都是利用直接對象來表示的。但還有其它一些對象（如字體等），它們本身就是用字典對象（dictionary）或流對象（stream）來表示的，無法用直接對象來表示，而內容流中又不能出現有任何的間接對象（否則就無法與內容本身的數據區分），于是就將這些對象另外命名，并在內容流中用相應的名字來表示它們。這些用名字來表示的對象就稱作命名資源（named resources）。
在頁面對象中有一個資源項（resources key），該項列出了內容流中用到的所有資源，并且建立了一個資源名字與資源對象之間的映射表。pdf中的命名資源有：指令集（proc set）、字體（font）、色彩空間（color space）、外部對象〔x object（包括image、form和ps segment）等〕、擴展的圖形狀態（extended graphics state）、底紋（pattern）和用戶擴展標記列表（property list）等。
非命名資源有：enc oding、font de s c-riptor、halftone、function和c map等。由于非命名資源都是被隱含使用的，因此就沒有命名的需要。
4.pdf頁面描述指令
pdf中共有60個頁面描述指令，這60個頁面描述指令描述了頁面上的一系列的圖形對象。這些圖形對象大致可以分為四類，即路徑對象（path object）、文本對象（text object）、圖像對象（image object）和外部對象。它們是構成所有頁面的基本元素。
三、pdf文件生成
目前pdf文件的生成有兩種途徑：
1. 通過打印的方式生成pdf。也就是說通過一個虛擬的pdf打印機將應用程序的文字和圖形等指令（如windows下的gdi指令、mac下的quick-draw指令等）轉換為pdf指令，并將其保存在相應的pdf文件中，如圖三所示。在安裝了adobeacrobat pdfwriter之后，從理論上來說，所有的只要具有打印功能的應用程序，都應該能夠將待打印的內容貯存到pdf文件中。但是，目前生成中文的pdf文件尚有很多問題。
2.由ps轉換到pdf。這是另一種生成pdf的方法，它是由應用程序先將待打印的內容發排到ps文件中，然后再由adobe acrobatdistiller將ps文件轉換成pdf文件，可參見圖四。
兩種生成pdf的方法各有利弊。通過打印的方式生成pdf的優點就是，它和應用程序能夠緊密地結合，在用戶看來它是從應用程序中直接生成pdf的，但缺點是由于gdi指令集和quick-draw指令集本身的局限，難以生成高精度的pdf。然而從ps轉換到pdf雖然多了一道工序，但是由于ps本身具有高精度的描述能力，因此生成的pdf可以達到印刷級的質量和精度。在生成了pdf文件之后，用戶就可以用acrobatreader來進行閱讀和打印，而且還可以具體地使用acrobatexchange來給pdf文件增加如頁面縮略圖、超鏈接、書簽（或目錄）、注釋等一系列的交互屬性。在采用adobe提供的工具來生成pdf之時，目前都存在著中文支持方面的問題，如不支持中文字庫的下載、中文顯示依賴操作系統等等。
人口的增長將會影響英國紙與紙板的市場需求量
連跌14周的瓦楞紙，背后原因有點復雜
各大龍頭企業為智能包裝砸數十億巨資
輕松解決印花分色“五宗罪”
標簽種類全接觸
你是否對網絡印刷有這樣的誤解？
彩色全息制版常用光源及其選擇
雪上加霜 柯達專利自衛戰或將落敗
pdf（portable document format）是一種結構化的文檔格式。它由美國著名排版與圖像處理軟件adobe公司于1993年首次發布（1．0版），并于同年推出了其相應的支持軟件產品系列adobeacrobat1．0版；隨后adobe公司又對它進行修訂和升級，于1994年發布了1．1版，并推出了支持軟件產品系列adobe acrobat2．0及2．1版。隨后的pdf1．2版又于1996年11月27日發布，相應的支持軟件產品系列adobe acrobat也升級到3．0版。至1997年底，國際標準化組織已經開始醞釀將pdf接納為國際標準。
1.pdf與ps的比較
ps語言（postscript語言，即頁面描述語言），也是由adobe公司擁有的一項事實上的印刷工業標準，它能描述精美的版面，在目前的印刷領域中占據著統治地位。pdf是從ps發展而來，在對頁面的描述方面它們有著幾乎相同的能力和相似的描述方法。pdf采用了與ps相同的著色模型（imaging model）來表現文字和圖形，與ps語言一樣，pdf的頁面描述指令也是通過將選定的區域著色來繪制頁面的。著色的區域可以是字母等的輪廓、直線和曲線定義的區域以及位圖，著色的顏色可以是任意的，頁面上的任何圖形都可以被裁剪成其他形狀。頁面開始時是全空的，各種指令將不同的圖形繪制到頁面上，并且新的圖形是不透明的，它可以覆蓋舊的圖形。
雖然如此，pdf與ps相比，還是有很大的不同。這主要表現在以下幾個方面：①pdf文件中可以包含交互對象，如超鏈接、交互表單等，而ps則沒有。②pdf是一種文件結構，而ps則是一種編程語言，因此，pdf具有比ps更高的處理效率。③pdf的嚴格結構定義允許應用程度對其中的某個對象進行隨機存取，而ps則只能對整體進行順序存取。例如要訪問一個ps文件中的第100頁，那么就必須在先順序解釋了其前99頁之后，才能找到第100頁，而在pdf中對每一頁的存取則都是一樣快的。④pdf中還包含有字庫的規格尺寸等字庫描述信息，以便在字庫不存在之時，可以進行字庫仿真（并非簡單的字庫替代），保證文檔顯示的一致性。
2.pdf的特點
pdf的特點可以歸納如下：①可傳遞性。pdf文件支持7位ascⅱ碼和二進制碼這兩種編碼方式，可以正確地在各種網絡環境下進行傳輸。②支持交互操作。pdf包含了交互表單和超鏈接等交互對象。③支持聲音、動畫。④支持對頁面內容的隨機存取，提高了頁面的各種操作速度。⑤支持不斷追加的修改方式，以便于少量修改和提高效率。⑥支持多種壓縮編碼方式，文件結構更加緊湊。⑦字體無關性。pdf文件中可以自帶字庫描述信息，以便于在用戶系統缺乏所需字體的情況下，仍然能夠保證文檔的正確顯示。⑧平臺無關性。pdf文件具有軟、硬件的平臺獨立性。這個特點非常適合于網絡傳遞中的信息交換，以免除亂碼的苦惱。⑨安全性控制。pdf文件支持各種不同級別的安全性控制，這種安全性控制對于保護電子出版物的版權是非常重要的，我們可根據各種不同電子出版物的安全性要求來進行不同級別的安全設置。
二、pdf原理結構
1.pdf文件結構
pdf的文件結構（即物理結構）包括四個部分：文件頭、文件體、交叉引用表和文件尾，可參見圖一。
文件頭指明了該文件所遵從的pdf規范的版本號，它出現在pdf文件的第一行。
文件體由一系列的pdf間接對象（indirectobject）組成。
交叉引用表則是為了能對間接對象進行隨機存取而設立的一個間接對象的地址索引表。
文件尾聲明了交叉引用表的地址，即指明了文件體的根對象（catalog），還保存了加密等安全信息。
2.pdf文檔結構
pdf的文檔結構即是pdf文件內容的邏輯組織結構，它反映了文件體中各間接對象間的等級層次關系。pdf的文檔結構是一種樹型結構，如圖二所示。樹的根節點也就是pdf文件的根對象，根節點下面有四個子樹：頁面樹（pages tree）、書簽樹（outline tree）、線索樹（articlethreads）和名字樹（nameddestination）。
其中，在頁面樹中，所有頁面對象都是該樹的葉子節點，它們將繼承父節點的各屬性值來作為其相應屬性的缺省值。書簽樹則是按照樹型層次的等級關系來將書簽（book mark）組織起來的，書簽建立了某個書簽名與一個具體頁面的位置關聯，它使得用戶可以按照書簽名來訪問文檔的內容。線索樹則將文章線索以及線索下的各文章塊（article bead），按照樹型的結構組織起來進行管理。至于名字樹，它則是建立了一種字符串（即名字）和頁面區域的對應關系，樹中的各葉子節點保存著字符串及其相應的頁面區域，而非葉子節點則只是一種索引，以便讓應用程序能夠對葉子節點進行快速存取。名字樹的作用就是讓pdf文件中的其它對象也能夠用字符串名字來代表其某一個頁面區域。
3.pdf中的資源
pdf中的頁面內容（如文字、圖形、圖像等）都保存在頁對象的contents關鍵字所對應的流對象（以下簡稱內容流）中。內容流中用到了很多基本對象（如數字、字符串等），這些都是利用直接對象來表示的。但還有其它一些對象（如字體等），它們本身就是用字典對象（dictionary）或流對象（stream）來表示的，無法用直接對象來表示，而內容流中又不能出現有任何的間接對象（否則就無法與內容本身的數據區分），于是就將這些對象另外命名，并在內容流中用相應的名字來表示它們。這些用名字來表示的對象就稱作命名資源（named resources）。
在頁面對象中有一個資源項（resources key），該項列出了內容流中用到的所有資源，并且建立了一個資源名字與資源對象之間的映射表。pdf中的命名資源有：指令集（proc set）、字體（font）、色彩空間（color space）、外部對象〔x object（包括image、form和ps segment）等〕、擴展的圖形狀態（extended graphics state）、底紋（pattern）和用戶擴展標記列表（property list）等。
非命名資源有：enc oding、font de s c-riptor、halftone、function和c map等。由于非命名資源都是被隱含使用的，因此就沒有命名的需要。
4.pdf頁面描述指令
pdf中共有60個頁面描述指令，這60個頁面描述指令描述了頁面上的一系列的圖形對象。這些圖形對象大致可以分為四類，即路徑對象（path object）、文本對象（text object）、圖像對象（image object）和外部對象。它們是構成所有頁面的基本元素。
三、pdf文件生成
目前pdf文件的生成有兩種途徑：
1. 通過打印的方式生成pdf。也就是說通過一個虛擬的pdf打印機將應用程序的文字和圖形等指令（如windows下的gdi指令、mac下的quick-draw指令等）轉換為pdf指令，并將其保存在相應的pdf文件中，如圖三所示。在安裝了adobeacrobat pdfwriter之后，從理論上來說，所有的只要具有打印功能的應用程序，都應該能夠將待打印的內容貯存到pdf文件中。但是，目前生成中文的pdf文件尚有很多問題。
2.由ps轉換到pdf。這是另一種生成pdf的方法，它是由應用程序先將待打印的內容發排到ps文件中，然后再由adobe acrobatdistiller將ps文件轉換成pdf文件，可參見圖四。
兩種生成pdf的方法各有利弊。通過打印的方式生成pdf的優點就是，它和應用程序能夠緊密地結合，在用戶看來它是從應用程序中直接生成pdf的，但缺點是由于gdi指令集和quick-draw指令集本身的局限，難以生成高精度的pdf。然而從ps轉換到pdf雖然多了一道工序，但是由于ps本身具有高精度的描述能力，因此生成的pdf可以達到印刷級的質量和精度。在生成了pdf文件之后，用戶就可以用acrobatreader來進行閱讀和打印，而且還可以具體地使用acrobatexchange來給pdf文件增加如頁面縮略圖、超鏈接、書簽（或目錄）、注釋等一系列的交互屬性。在采用adobe提供的工具來生成pdf之時，目前都存在著中文支持方面的問題，如不支持中文字庫的下載、中文顯示依賴操作系統等等。
人口的增長將會影響英國紙與紙板的市場需求量
連跌14周的瓦楞紙，背后原因有點復雜
各大龍頭企業為智能包裝砸數十億巨資
輕松解決印花分色“五宗罪”
標簽種類全接觸
你是否對網絡印刷有這樣的誤解？
彩色全息制版常用光源及其選擇
雪上加霜 柯達專利自衛戰或將落敗