如何创建自己的包与word，pdf等交互

Question

我知道有很多软件包可以让你创建或阅读例如PDF，Word和其他文件。

我感兴趣的是（并且从未在大学学过）是如何创建这样的包装的？您是否始终依赖原始公司（如Adobe或Microsoft）提供的源代码，还是有另一种巧妙的解决方法？我应该分析我看到的单个字节，例如PDF文件？

Answer 1

它有所不同。

有些公司为自己的数据格式提供SDK（“软件开发工具包”），其他公司只提供规范（即Adobe for PDF，Microsoft for Word，并由软件开发人员确保写一个正确的实现。

因为这可能需要做很多工作 - 例如，PDF规范可以运行超过700页，并且不会深入到实际所需的材料，例如LZW，JPEG / JPEG2000，颜色理论和数学转换 - 你需要一个巨大的数据集进行测试，它更容易使用其他人在其上完成的工作。

如果您有兴趣为某种文件格式编写支持库

1. 没有受法律保护，
2. 有没有，或者只有稀疏（官方）文档，
3. 并且其他地方尚未解构， ^a

然后是：你需要

1. 收集尽可能多的不同文件;
2. 来自尽可能多的来源;
   （理想情况下，您应该至少有一个程序可以读取和创建文件）
3. 在字节级别检查它们;
4. 创建一个“阅​​读器”，用于所有测试文件;
5. 如果可能，有趣和/或需要，创建一个“编写者”，可以从头开始以该格式创建新文件，或者可以将其他格式的数据转换为此文件。

主要在＃3中涉及'聪明'，因为您需要非常精通数据表示的一般工作方式。您应该能够告诉数据中的代码，来自浮点的字符串数据，以及来自MacRoman编码的字符串的UTF8编码字符串（等等）。

我已经做了几次，主要是为了检查各种游戏的数据，主要是因为它非常有趣！ （公平警告：它也可能令人难以置信地令人沮丧。）请参阅逆向工程的Reverse engineering file containing sprites以获取示例方法;值得注意的是，在我的答案的最底层，我承认失败并开始使用“可能”和“可能”和“可能”这两个短语，这表明我没有进一步了解。

^a 当然不一定。你可以与其他地方的专业人士合作，甚至为现有的项目做“笨拙的工作” - 找出并编纂相当微不足道的子句。

在现有项目上独立工作也有好处。例如，凭借我自己的PDF阅读器（从头开始编写）的经验，我能够指出bug in PDFBox。