Найкращий інструмент для перевірки файлів PDF? [зачинено]

Як я можу перевірити файли PDF, переважно за допомогою інструменту?

Приклад використання: Я намагаюся програмно генерувати файли PDF (за допомогою iText). У мене проблеми з досягненням певних макетів, але у мене є файли PDF з текстом, викладеним так, як я хочу (згенеровано з Word). Я хотів би провести інженерну розробку, як вони це роблять.

PDF Inspector, здається, непоганий, але я шукаю щось для Windows.

Adobe Acrobat має дуже крутий, але досить добре прихований режим, що дозволяє перевіряти файли PDF. Я написав статтю в блозі, пояснюючи це за адресою https://blog.idrsolutions.com/2009/04/viewing-pdf-objects/

Окрім інструментів на основі графічного інтерфейсу, згаданих в інших відповідях, є кілька інструментів командного рядка, які можуть перетворити вихідний вихідний код PDF в інше подання, що дозволяє перевірити (тепер змінений файл) за допомогою текстового редактора. Усі наведені нижче інструменти працюють на Linux, Mac OS X, інших системах Unix або Windows.

qpdf (мій улюблений)

Використовуйте qpdf для стиснення (більшості) потоків об’єктів, а також для розбору ObjStmоб’єктів на окремі непрямі об’єкти:

qpdf --qdf --object-streams=disable orig.pdf uncompressed-qpdf.pdf

qpdfописує себе як інструмент, який здійснює "структурні перетворення, що зберігають вміст, у файлах PDF" .

Потім просто відкрийте + огляньте uncompressed-qpdf.pdfфайл у вашому улюбленому текстовому редакторі. Більшість раніше стиснених (а отже, і двійкових) байтів тепер буде простим текстом.

mutool

Існує також інструмент mutoolкомандного рядка, який постачається в комплекті з засобом перегляду PDF MuPDF (який є спорідненим продуктом Ghostscript, виготовленим тією ж компанією Artifex ). Наступна команда також розпаковує потоки та полегшує їх перевірку за допомогою текстового редактора:

mutool clean -d orig.pdf uncompressed-mutool.pdf

podofouncompress

PoDoFo - це бібліотека FreeSoftware / OpenSource для роботи з форматом PDF, яка включає кілька інструментів командного рядка, зокремаpodofouncompress. Використовуйте його таким чином, щоб розпакувати потоки PDF:

podofouncompress orig.pdf uncompressed-podofo.pdf

peepdf.py

PeePDF - це інструмент на основі Python, який допомагає вам досліджувати файли PDF. Його початкова мета полягала в дослідженні та розтині шкідливих програм на основі PDF, але я вважаю корисним також дослідити структуру повністю доброякісних файлів PDF.

Його можна використовувати в інтерактивному режимі для "перегляду" об'єктів та потоків, що містяться в PDF.

Я не буду наводити тут приклад використання, а лише посилання на його документацію:

• peepdf - Засіб аналізу PDF

pdfid.py і pdf-parser.py

pdfid.pyі pdf-parser.pyє двома інструментами PDF Дід’є Стівенса, написаними на Python.

Їх передумови також допомагають досліджувати шкідливі PDF-файли, але я також вважаю корисним проаналізувати структуру та вміст доброякісних PDF-файлів.

Ось приклад того, як я витягнув би стислий потік об’єкта PDF №. 5 у файл * .dump:

pdf-parser.py -o 5 -f -d obj5.dump my.pdf

Заключні примітки

1. Зверніть увагу, що деякі двійкові частини всередині PDF не обов'язково не стискаються (або декодуються в зручний для читання код ASCII), оскільки вони вбудовані та використовуються у своєму власному форматі всередині PDF-файлів. Такими частинами PDF є зображення JPEG, шрифти або кольорові профілі ICC.

2. Якщо порівняти наведені вище інструменти та наведені приклади командного рядка, ви виявите, що НЕ всі вони дають однакові результати. Зусилля порівняння їх для їх відмінностей саме по собі може допомогти вам краще зрозуміти природу синтаксису PDF та формату файлу.

Я використовую iText RUPS (читання та оновлення синтаксису PDF) у Linux. Оскільки він написаний на Java, він працює і в Windows. Ви можете переглядати всі об’єкти у файлі PDF у деревній структурі. Він також може декодувати потоки, закодовані Flate, на ходу, щоб полегшити перевірку.

Ось знімок екрана:

PDFXplorer від O2 Solutions робить видатну роботу з відображення внутрішніх елементів.

http://www.o2sol.com/pdfxplorer/overview.htm

(Безкоштовний, відволікаючий банер внизу).

Я використовував PDFBox з успіхом. Ось зразок того, як виглядає код (ще з версії 0.7.2), який, ймовірно, походить з одного з поданих прикладів:

// load the document
System.out.println("Reading document: " + filename);
PDDocument doc = null;                                                                                                                                                                                                          
doc = PDDocument.load(filename);

// look at all the document information
PDDocumentInformation info = doc.getDocumentInformation();
COSDictionary dict = info.getDictionary();
List l = dict.keyList();
for (Object o : l) {
    //System.out.println(o.toString() + " " + dict.getString(o));
    System.out.println(o.toString());
}

// look at the document catalog
PDDocumentCatalog cat = doc.getDocumentCatalog();
System.out.println("Catalog:" + cat);

List<PDPage> lp = cat.getAllPages();
System.out.println("# Pages: " + lp.size());
PDPage page = lp.get(4);
System.out.println("Page: " + page);
System.out.println("\tCropBox: " + page.getCropBox());
System.out.println("\tMediaBox: " + page.getMediaBox());
System.out.println("\tResources: " + page.getResources());
System.out.println("\tRotation: " + page.getRotation());
System.out.println("\tArtBox: " + page.getArtBox());
System.out.println("\tBleedBox: " + page.getBleedBox());
System.out.println("\tContents: " + page.getContents());
System.out.println("\tTrimBox: " + page.getTrimBox());
List<PDAnnotation> la = page.getAnnotations();
System.out.println("\t# Annotations: " + la.size());

Є також інший варіант. Adobe Acrobat Pro також може відображати внутрішню структуру дерева PDF.

1. Відкрийте передполіт
2. Перейдіть до Параметри (правий верхній кут)
3. Внутрішня структура PDF

Зверху Adobe Acrobat Pro може також відображати внутрішню структуру шрифтів документа в PDF-файлі, більшість інших "засобу перегляду деревоподібної структури PDF" не мають цього параметра

Переглядач об’єктів в Acrobat хороший, але PDF Canopener від Windjack Solution дозволяє краще оглянути піпетку для вибору об’єктів на сторінці. Також дозволяє вносити зміни до PDF.

http://www.windjack.com/products/pdfcanopener.html

PDF Analyzer схожий на PDFXplorer , але він має більше можливостей. Він також безкоштовний після одноразової реєстрації.

• https://www.winking.be/en/products/pdfanalyzer
• http://www.o2sol.com/pdfxplorer/overview.htm

Якщо ви хочете працювати програмно з Python, pdfminer - хороший варіант. Це дозволяє працювати зі структурою PDF в пам'яті як ієрархією об'єктів або серіалізувати її як XML.

Моїм припущенням є Foxit PDF Reader, що дуже корисно виконати важливу роботу з редагування тексту у файлі PDF.