PDF便携式文档格式（英语：Portable Document Format，缩写：PDF）以PostScript语言图像模型为基础，是一种用独立于应用程序、硬件、操作系统的方式呈现文档的文件格式。本文主要信息来源于网络，为工作方便对PDF文件格式做简要说明，以便资料查询方便，有时间后续再针对每个组成部分做详细展开分析。

1. PDF文件构成综述

一个pdf文件主要是由4部分构成：文件头、文件体、交叉引用表、文件尾：

n 文件头：用来存储PDF版本

n 文件体：用来存储间接对象，这是构成PDF比重最大的内容

n 交叉索引表：用来保存各个间接对象在文件中的起始地址

n 文件尾：用来存储交叉索引表的起始位置，根对象（Root），加密对象（Encrypt），文档信息对象（Info）等

2. PDF文件之文件头

一般情况下，文件头，即，PDF文件的第一行，它用来定义PDF的版本，从而确定该PDF遵循的哪个版本的PDF规范。PDF版本是向下兼容的，即高版本的规范，兼容低版本的规范。目前主要的版本有：

n %PDF-1.0

n %PDF-1.1

n %PDF-1.2

n %PDF-1.3

n %PDF-1.4

n %PDF-1.5

n %PDF-1.6

n %PDF-1.7（最常见）

n %PDF-1.8（在标准文档里没有，只是遇到一些客户特殊的文件中会出现，非常少见

以上都是常见的版本号，还有一个特殊的版本，如PDF/X、PDF/E 和 PDF/A，PDF/VT等，它们在PDF文件中表现为文件头版本+OutputIntent相结合来标识版本。在Catalog字典中，存在Version属性，它的值也是PDF版本号，该版本号如果高与文件头版本号，则采用这里的版本号，否则忽略。这里的Version属性是可选的，通常是在PDF增量写的情况下用到。因为原PDF文件进过编辑后，添加或修改的内容需要遵循的版本比原本更高，而增量写的方式要求原PDF文件内容不修改，所以，通过修改catalog对象中Version，只要增量部分写入catalog对象，就可以改变PDF的版本号。

PDF文件头有些情况下，并不只保存了版本号，还可能在版本号前面加一下用户自定义的内容，用来满足用户的特殊需求。当遇到这种情况时，对文件头的读取算法就要写的灵活一点，不然取值会发生错误，同时还会影响到间接对象读取的问题。

3. PDF文件之文件体

一个PDF文件的文件体包括表示文档内容的对象。对象是文档的基本类型，表示文档的各个组成部分，如字体，页面，和实例图形。从PDF1.5开始，主干部分也可以包含对象流，每个对象流都包含一系列间接对象。

pdf文件中用到的所有对象,包括文本/图象/音乐/视频/字体/超连接/加密信息等等,格式如下:

2 0 obj ... end obj 其中省略号部分是pdf规定的任意合法对象(一共8种) 。

文件体有个根对象（catalog），该对象中保存着PDF的很多基本信息，并通过间接引用，辐射到所有的间接对象。

（下图是大概的树形状）

4. 交叉引用表（Cross-ReferenceTable）

交叉引用表包含的信息允许对文件中的间接对象进行随意访问，以便不需要阅读整个文件即可定位任何特殊对象了。（从PDF1.5开始，某些或所有的参照表信息也可以被含在参照流中。

交叉引用表是PDF文件唯一有固定格式的一部分，每个交叉引用表都从一个包含关键字xref的行开始。跟着这个行的是一个或多个参照子部分，这些分部可以以任何顺序出现。子部分的构造有益于逐步更新，因为它允许一个新的参照部分附加到PDF文件中来，而包含的选项紧紧只用于已经被附加或删除的对象。对一个从未被更新过的文件，参照部分只包含一个子部分，它的对象编号从0开始。

xref ----------------------------------参照表开始的的关键字0 5 ---------------------------------- 0（开始的对象号），5（后跟的对象个数）0000000000 65535 f 0000000009 00000 n 0000000074 00000 n 0000000120 00000 n 0000000179 00000 n 其中,xref是开始标志,表示以下为引用表内容;0 5表示从对象号为0的开始, 连续有5个对象(0,1,2,3,4),分别用5行来表示.每行的前10个数字代表这个对象相对文件头的偏移地址,后面5个数字只有当这个对象被删除的时候才有用,表示这个对象被删除后又被重新生成后的对象号最后一位f或n表示对象是否被使用(n表示使用,f表示被删除或没有用) 。

5. 文件尾（trailer）

文件尾部（trailer）如何找到交叉引用表和其他特殊对象属性：

/ Size [integer]：指定交叉引用表中的条目数（也计算更新部分中的对象）。使用的数字不应是间接参考。

/ Prev [integer]：指定从文件开头到上一个交叉引用部分的偏移量，如果有多个交叉引用部分，则使用该偏移量。该数字应该是交叉引用。

/ Root [字典]：指定文档目录对象的引用对象，它是一个特殊对象，包含指向不同类型的其他特殊对象的各种指针（稍后将详细介绍）。

/ Encrypt [dictionary]：指定文档的加密字典。

/ Info [字典]：指定文档信息字典的引用对象。

/ ID [array]：指定形成文件标识符的两个字节未加密字符串的数组。

/ XrefStm [integer]：指定从解码流中的文件开头到交叉引用流的偏移量。这仅存在于混合引用文件中，如果我们还想要打开文档，即使应用程序不支持压缩引用流，也会指定它。

例子：

trailer

/Size 22

/Root 2 0 R //指向文件目录对象

/Info 1 0 R //一些文件信息

startxref //用于制定从文件开头到交叉索引表的偏移量标识

24212 //交叉索引表的偏移量24212

%%EOF //文件尾部标识