Công cụ tốt nhất để kiểm tra tệp PDF? [đóng cửa]

Bạn đề xuất công cụ nào để kiểm tra tệp PDF?

Trường hợp sử dụng: Tôi đang cố gắng tạo tệp PDF theo chương trình (sử dụng iText). Tôi đang gặp sự cố khi đạt được một số bố cục nhất định, nhưng tôi có các tệp PDF với văn bản được trình bày theo cách tôi muốn (được tạo từ Word). Tôi muốn thiết kế ngược lại cách họ làm điều đó.

Trình kiểm tra PDF có vẻ tốt, nhưng tôi đang tìm kiếm thứ gì đó cho Windows.

Adobe Acrobat có một chế độ ẩn rất thú vị nhưng khá tốt cho phép bạn kiểm tra các tệp PDF. Tôi đã viết một bài blog giải thích nó tại https://blog.idrsolutions.com/2009/04/viewing-pdf-objects/

Bên cạnh các công cụ dựa trên GUI được đề cập trong các câu trả lời khác, có một số công cụ dòng lệnh có thể chuyển đổi mã nguồn PDF ban đầu thành một biểu diễn khác cho phép bạn kiểm tra (tệp hiện đã được sửa đổi) bằng trình chỉnh sửa văn bản. Tất cả các công cụ dưới đây hoạt động trên Linux, Mac OS X, các hệ thống Unix khác hoặc Windows.

qpdf (yêu thích của tôi)

Sử dụng qpdf để giải nén (hầu hết) các luồng của đối tượng và cũng phân ObjStmtách các đối tượng thành các đối tượng gián tiếp riêng lẻ:

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

qpdftự mô tả bản thân nó như một công cụ thực hiện "chuyển đổi cấu trúc, bảo toàn nội dung trên tệp PDF" .

Sau đó, chỉ cần mở + kiểm tra uncompressed-qpdf.pdftệp trong trình soạn thảo văn bản yêu thích của bạn. Hầu hết các byte được nén trước đây (và do đó, nhị phân) bây giờ sẽ là văn bản thuần túy.

mutool

Ngoài ra còn có mutoolcông cụ dòng lệnh đi kèm với trình xem PDF MuPDF (là một sản phẩm chị em với Ghostscript, được sản xuất bởi cùng một công ty, Artifex ). Lệnh sau cũng giải nén các luồng và giúp kiểm tra chúng dễ dàng hơn thông qua trình soạn thảo văn bản:

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

podofouncompress

PoDoFo là một thư viện FreeSoftware / OpenSource để làm việc với định dạng PDF và nó bao gồm một số công cụ dòng lệnh, bao gồmpodofouncompress. Sử dụng nó như thế này để giải nén các luồng PDF:

podofouncompress orig.pdf uncompressed-podofo.pdf

peepdf.py

PeePDF là một công cụ dựa trên Python giúp bạn khám phá các tệp PDF. Mục đích ban đầu của nó là để nghiên cứu và mổ xẻ phần mềm độc hại dựa trên PDF, nhưng tôi thấy nó cũng hữu ích để điều tra cấu trúc của các tệp PDF hoàn toàn lành tính.

Nó có thể được sử dụng tương tác để "duyệt" các đối tượng và luồng có trong PDF.

Tôi sẽ không đưa ra một ví dụ sử dụng ở đây mà chỉ đưa ra một liên kết đến tài liệu của nó:

• peepdf - Công cụ phân tích PDF

pdfid.py và pdf-parser.py

pdfid.pyvà pdf-parser.pylà hai công cụ PDF của Didier Stevens được viết bằng Python.

Nền tảng của chúng cũng là để giúp khám phá các tệp PDF độc hại - nhưng tôi cũng thấy hữu ích khi phân tích cấu trúc và nội dung của các tệp PDF lành tính.

Đây là một ví dụ cách tôi trích xuất luồng không nén của đối tượng PDF không. 5 vào tệp * .dump:

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

Ghi chú cuối cùng

1. Xin lưu ý rằng một số phần nhị phân bên trong PDF không nhất thiết phải không nén được (hoặc có thể giải mã thành mã ASCII có thể đọc được của con người), vì chúng được nhúng và sử dụng ở định dạng gốc bên trong các tệp PDF. Các phần PDF như vậy là hình ảnh JPEG, phông chữ hoặc cấu hình màu ICC.

2. Nếu bạn so sánh các công cụ trên và các ví dụ dòng lệnh được đưa ra, bạn sẽ phát hiện ra rằng chúng KHÔNG tạo ra tất cả các đầu ra giống nhau. Bản thân nỗ lực so sánh chúng để tìm ra sự khác biệt có thể giúp bạn hiểu rõ hơn về bản chất của cú pháp và định dạng tệp PDF.

Tôi sử dụng iText RUPS (Cú pháp đọc và cập nhật PDF) trong Linux. Vì nó được viết bằng Java nên nó cũng hoạt động trên Windows. Bạn có thể duyệt tất cả các đối tượng trong tệp PDF trong cấu trúc dạng cây. Nó cũng có thể giải mã các luồng được mã hóa Flate một cách nhanh chóng để giúp việc kiểm tra dễ dàng hơn.

Đây là ảnh chụp màn hình:

PDFXplorer từ O2 Solutions thực hiện một công việc xuất sắc trong việc hiển thị phần bên trong.

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

(Biểu ngữ miễn phí, gây mất tập trung ở phía dưới).

Tôi đã sử dụng PDFBox thành công tốt đẹp. Dưới đây là một ví dụ về mã trông như thế nào (trở lại từ phiên bản 0.7.2), có thể đến từ một trong các ví dụ được cung cấp:

// 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());

Trình xem đối tượng trong Acrobat rất tốt nhưng PDF Canopener của Windjack Solution cho phép kiểm tra tốt hơn bằng ống nhỏ mắt để chọn đối tượng trên trang. Đồng thời cho phép thực hiện các sửa đổi đối với PDF.

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

Ngoài ra còn có một lựa chọn khác. Adobe Acrobat Pro cũng có thể hiển thị cấu trúc cây bên trong của PDF.

1. Mở Preflight
2. Đi tới Tùy chọn (góc trên bên phải)
3. Cấu trúc PDF nội bộ

Trên đầu trang Adobe Acrobat Pro cũng có thể hiển thị cấu trúc bên trong của Phông chữ Tài liệu trong PDF mà hầu hết các "trình xem cấu trúc cây PDF" khác không có ý tưởng này

Nếu bạn muốn làm việc theo chương trình từ bên trong Python, pdfminer là một lựa chọn tốt. Nó cho phép bạn làm việc với cấu trúc PDF trong bộ nhớ như một cấu trúc phân cấp đối tượng hoặc tuần tự hóa nó dưới dạng XML.

PDF Analyzer tương tự như PDFXplorer , nhưng nó có nhiều tùy chọn hơn. Nó cũng miễn phí sau một lần đăng ký.

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

Sugession của tôi là Foxit PDF Reader , rất hữu ích để thực hiện công việc chỉnh sửa văn bản quan trọng trên tệp pdf.