Question

我知道我可以'线性化'PDF文件，例如使用Acrobat SDK或使用商业工具。这也称为“针对网络优化”，它重新排列PDF，以便第1页可以尽快加载。以这种方式提供的PDF显示得更快，因为PDF查看器不必等待下载整个PDF。

更新：根据下面的答案，我现在意识到线性化的PDF不仅仅是重新排列，而且还包含有关其自身结构的元数据，以“线性化词典”的形式。

我有一个应用程序，我想预取几个PDF（查询结果），期望用户想要查看其中一个。如果我的客户端可以为每个搜索结果下载第1页，只有第1页，那就太棒了。当用户选择其中一个时，可以立即显示第1页，其余部分可以在后台下载。

我正在寻找一种可用于服务器端（Windows或Linux）的通用解决方案来预处理我的PDF，这样我就可以分别存储和提供第1页和其余内容。实际上，我需要知道的是PDF中的哪一个是正确显示第1页所需的最后一个字节。如果我可以有这个数字，则所有其他内容如下。

我浏览了ISO specification for PDF，但文件格式对我来说似乎太复杂了，只需解析第1页结束的位置。另一方面，线性化PDF的工具几乎肯定知道第1页的结束位置。

我对向客户提供PDF文件的复杂性并不感兴趣;这部分已经解决，因为客户端是一个应用程序，而不是一个浏览器，我完全可以控制。

我也认为这不会帮助我使用AP Split等工具将PDF拆分为“第1页”PDF和完整的PDF。如果我这样做，那么我将无法欺骗客户端查看器以为它是单个PDF文件，并且当我用完整的PDF替换“第1页”PDF时会出现明显的闪烁。

任何帮助或指示赞赏。

解决方案（根据Bobrovsky的答案）：

正确线性化的PDF以标题行开头（在PDF规范的7.5.2节中定义），例如“％PDF-1.7”，后跟至少四个二进制字符的注释行（定义为128的字节值）或更高）。例如：

    %PDF-1.7
    %¤¤¤¤

此标题后面紧跟着线性化字典（在PDF规范的附录F中定义）。一个例子：

    43 0 obj
    << /Linearized 1.0 % Version
     /L 54567   % File length
     /H [475 598] % Primary hint stream offset and length (part 5)
     /O 45      % Object number of first page’s page object (part 6)
     /E 5437    % Offset of end of first page
     /N 11      % Number of pages in document
     /T 52786 % Offset of first entry in main cross-reference table (part 11)
    >>
    endobj

在此示例中，第一页的末尾位于字节偏移5437.此数据结构非常简单，可以使用几乎任何语言进行解析。 “43 0 obj”事物给出了该字典（43）的ID和世代号（线性化文件总是为零）。字典本身被＆lt;＆lt;＆lt;和＆gt;＆gt;，其间是键值对（键有斜杠，如“/ E”）。

这是一个使用正则表达式找到相关数字的C＃方法：

public int GetPageOneLength(byte[] data)
{
  // According to ISO PDF spec: "The linearization parameter dictionary shall be entirely contained within the first 1024 bytes of the PDF file" (p. 679)
  string preamble = new string(ASCIIEncoding.ASCII.GetChars(data, 0, 1024));    // Note that the binary section on line 2 of the header will be entirely converted to question martks ('?')
  var match = Regex.Match(preamble, @"<<\w*/Linearized.+/E\s+(?<offset>\d+).+>>");
  if (!match.Success) throw new InvalidDataException("PDF does not have a proper linearization dictionary");
  return int.Parse(match.Groups["offset"].Value);
}

注意Bobrovsky警告说文件可能包含线性化字典，但可能没有正确线性化（可能是因为增量编辑？）。在我的情况下，这不是问题，因为我将自己线性化所有PDF。

Answer 1

线性化词典可以帮助你解决这个问题。

包含E参数

所需的字典

第一页末尾的偏移量（示例中第6部分的结尾） F.1），相对于文件的开头。

请注意，并非每个带有线性化字典的文件实际上都是线性化的（损坏的生成器，线性化后的更改等）。因此，如果未验证文件是否正确线性化，则可能无法使用所描述的方法。

有关线性化词典的更多信息，请参阅PDF参考中的 F.2.2线性化参数词典（第2部分）。

如何确定线性化PDF文件中第1页的范围（以字节为单位）？

1 个答案: