PDF fájlformátum - Mi az a PDF fájl?
A Portable Document Format (PDF) az Adobe által az 1990-es években létrehozott dokumentumtípus. Ennek a fájlformátumnak az volt a célja, hogy szabványt vezessen be a dokumentumok és egyéb referenciaanyagok olyan formátumban, amely független az alkalmazásszoftvertől, a hardvertől és az operációs rendszertől. A PDF fájlformátum teljes mértékben képes olyan információkat tartalmazni, mint például szöveg, képek, hiperhivatkozások, űrlapmezők, multimédiás média, digitális aláírások, mellékletek, metaadatok, térinformatikai jellemzők és 3D objektumok, amelyek a forrásdokumentum részeivé válhatnak.
A legtöbb esetben a meglévő dokumentumokat a rendszer PDF formátumba konvertálja, ahelyett, hogy a semmiből hozna létre egy új PDF-et. Ez azonban nem jelenti azt, hogy nincsenek szoftverek a PDF-fájlok létrehozására vagy manipulálására.
(Meg kell osztanod valamit a PDF fájlformátumról? Megállapításaidat a PDF File Format News részben teheted közzé.)
PDF fájl formátum - Rövid előzmények
A PDF-fájlok létrehozásának idővonalának gyors áttekintése az idővonal szempontjából a következő:
1993 – Az Adobe Systems ingyenesen elérhetővé tette a PDF specifikációkat
2008 – A PDF nyílt szabványként 2008. július 1-jén jelent meg, és a Nemzetközi Szabványügyi Szervezet ISO 32000-1:2008 néven tette közzé.
2008 – Az Adobe nyilvános szabadalmi licencet tett közzé az ISO 32000-1 formátumú jogdíjmentes jogokra vonatkozóan az Adobe tulajdonában lévő összes szabadalomra vonatkozóan, amely PDF-kompatibilis megvalósítások készítéséhez, használatához, értékesítéséhez és terjesztéséhez szükséges.
A PDF első verzióját PDF 1.0-nak nevezték el, amely később a PDF 1.7-ig terjedő felülvizsgálatokon ment keresztül. A PDF 1.7, amely az ISO 32000-1 lett, tartalmaz néhány nem szabványosított szabadalmaztatott technológiát, valamint az Adobe XML Forms Architecture (XFA) és az Acrobat JavaScript kiterjesztését. 2017. július 28-án jelent meg az ISO 32000-2:2017 néven ismert PDF 2.0, amely nem tartalmaz nem szabványosított technológiát.
PDF fájlformátum specifikációi
A PDF-fájl bájtok halmaza, amely a PDF-specifikációkban meghatározott szintaktikai szabályok szerint tokenekbe csoportosítható. Egyszer vagy több token kombinálva magasabb szintű szintaktikai entitásokat, főként objektumokat képez, amelyek azok az alapvető adatértékek, amelyekből a PDF-dokumentum készül.
PDF fájlok fájlszerkezete
A PDF fájl tartalma a következő sorrendben van elrendezve a fájlon belül.
|Fejléc |Test |Kereszthivatkozási táblázat |Tréler
PDF fájl fejléc
A PDF-verziótól függetlenül a PDF-fájl egy fejléccel kezdődik, amely tartalmazza a PDF egyedi azonosítóját és a formátum verzióját, például a %PDF-1.x, ahol az x 1 és 7 között van.
Fájltörzs
A PDF-fájl törzse a dokumentum tartalmát reprezentáló közvetett objektumok sorozatából áll. Az objektumok a fent leírtak szerint a dokumentum összetevőit képviselik, például betűtípusokat, oldalakat és mintaképeket. A PDF 1.5-től kezdődően a törzs tartalmazhat objektumfolyamokat is, amelyek mindegyike közvetett objektumok sorozatát tartalmazza.
kereszthivatkozási táblázat
A kereszthivatkozási táblázat olyan információkat tartalmaz, amelyek véletlenszerű hozzáférést tesznek lehetővé a fájlon belüli közvetett objektumokhoz, így nem kell a teljes fájlt elolvasni egy adott objektum megtalálásához. A táblázatnak minden közvetett objektumhoz egysoros bejegyzést kell tartalmaznia, amely megadja az objektum bájteltolását a fájl törzsében. (A PDF 1.5-től kezdve a kereszthivatkozási információk egy része vagy egésze kereszthivatkozási adatfolyamokban is szerepelhet.
Fájlelőzetes
A PDF-fájl előzetese lehetővé teszi a megfelelő olvasó számára, hogy gyorsan megtalálja a kereszthivatkozási táblázatot és bizonyos speciális objektumokat. A megfelelő olvasóknak a PDF-fájlt a végétől kell olvasniuk. A fájl utolsó sora csak a fájlvégi jelölőt tartalmazza, %%EOF. Az előző két sor soronként és sorrendben tartalmazza a startxref kulcsszót és a bájteltolást a dekódolt adatfolyamban a fájl elejétől az xref kulcsszó elejéig az utolsó kereszthivatkozási szakaszban.
PDF objektumok
A PDF-fájl több különböző típusú objektumot tartalmaz, amelyek a következő típusúak
- Logikai értékek – a feltételes igaz vagy hamis érték
- Számok - Egész és valós értékek
- Strings – zárójelben szereplő karaktereket tartalmaz
- Nevek – előre / karakterrel kezdődnek, pl. a /ASomewhatLongerName eredménye az ASomewhatHosszabbnév
- Tömbök – A PDF támogatja az egydimenziós tömböket. A tömbök beágyazott elemként való használatával nagyobb dimenziójú tömbök hozhatók létre
- Szótárak - objektumok gyűjteménye kulcs-érték párként. Nulla bejegyzést tartalmazhat.
- Streamek - bájtok sorozatát jelenti, amely korlátlan hosszúságú is lehet
- Null Object – null értéket jelent
Más objektumok is lehetnek, például megjegyzések, amelyek a % jellel kerülnek bevezetésre, és 8 bites karaktereket tartalmazhatnak.
Közvetett objektumok
A PDF-fájlban lévő bármely objektum közvetett objektumként címkézhető. A közvetett objektumok egyedi objektumazonosítót kapnak, amellyel más objektumok hivatkozhatnak rájuk. Az ezekre való kereszthivatkozások egy indextáblázatban vannak karbantartva, és az xref kulcsszóval vannak megjelölve, amely a törzset követi, és megadja az egyes közvetett objektumok bájteltolását a fájl elejétől számítva.
Lineáris és nemlineáris PDF-elrendezések
A PDF-elrendezések a célalkalmazásoktól és egyéb tényezőktől függően Llnear és nemlineáris kategóriába sorolhatók.
Nem-lineáris – A nemlineáris PDF-fájlok kevesebb lemezterületet igényelnek, mint a lineáris PDF-fájlok. A dokumentum PDF-oldalai elszórtan helyezkednek el a PDF-fájlban, ezért a nemlineáris fájlok lassabbak a lineáris fájlokhoz képest.
Lineáris PDF – Az online PDF-megtekintőket célozva a lineáris PDF-fájlokat úgy készítik el, hogy lineárisan írják őket lemezre. Ehhez nincs szükség böngészőbővítményekre a teljes dokumentum betöltéséhez a megjelenítés előtt.
Objektumok áttekintése
Mint említettük, a PDF törzse a fent említett objektumok gyűjteménye. A PDF nagyrészt PostScript alapú, a programozási nyelvek vezérlőfunkciói nélkül, mint például az if és a loop parancsok. A Postscript kód által kiadott parancsok grafikus tartalmak generálására a dokumentumban hivatkozott fájlok, grafikák vagy betűtípusok mellett összegyűjtik és tokenizálják. Mindezek a tartalmak egyetlen fájlba halmozódnak fel, ami komponált PostScript kimenetet eredményez.
Szöveg
A PDF-ben a szöveget szövegelemek képviselik, amelyek valójában betűtípusokból származó karakterjelekkel jelennek meg. A karakterjel egy grafikus alakzat, és minden grafikus manipulációnak, például koordináta-transzformációnak van kitéve. A legtöbb oldalleírásban a szöveg fontossága miatt a PDF magasabb szintű lehetőségeket biztosít a karakterjelek kényelmes és hatékony leírásához, kiválasztásához és megjelenítéséhez.
Grafika
A PDF tartalomfolyamokban használt grafikus operátorok a raszteres kimeneti eszközön reprodukálandó oldalak megjelenését írják le. A létesítmények mind nyomtató, mind kijelző alkalmazásokhoz használhatók. A grafikus operátorok hat fő csoportot alkotnak:
- A grafikus állapot operátorok manipulálják a grafikus állapotnak nevezett adatstruktúrát, azt a globális keretet, amelyen belül a többi grafikus operátor végrehajtja. A grafikus állapot tartalmazza az aktuális transzformációs mátrixot (CTM), amely a PDF tartalomfolyamon belül használt felhasználói térkoordinátákat kimeneti eszköz koordinátáira képezi le. Tartalmazza az aktuális színt, az aktuális vágási útvonalat és sok más olyan paramétert is, amelyek a festési operátorok implicit operandusai.
- Az útvonal-építő operátorok útvonalakat adnak meg, amelyek alakzatokat, vonalpályákat és különböző típusú régiókat határoznak meg. Tartalmaznak operátorokat egy új útvonal elindításához, vonalszegmensek és görbék hozzáadásához, valamint bezárásához.
- A pályafestő operátorok egy pályát színnel töltenek meg, körvonalat festenek rá, vagy vágási határként használják.
- Más festőoperátorok bizonyos önleíró grafikai objektumokat festenek. Ide tartoznak a mintaképek, a geometriailag meghatározott árnyékolások és a teljes tartalomfolyamok, amelyek viszont grafikus operátorok sorozatait tartalmazzák.
- A szöveges operátorok karakterjeleket választanak ki és jelenítenek meg a betűtípusokból (a betűtípusok leírása a szöveges karakterek megjelenítéséhez). Mivel a PDF a karakterjeleket általános grafikus alakzatként kezeli, sok szöveges operátor csoportosítható a grafikai állapot vagy a festés operátoraival. A karakterjelek és betűtípus-leírások kezeléséhez szükséges adatszerkezetek és mechanizmusok azonban kellően speciálisak.
- A megjelölt tartalom operátorai magasabb szintű logikai információkat társítanak a tartalomfolyamban lévő objektumokhoz. Ez az információ nem befolyásolja a tartalom megjelenített megjelenését; olyan alkalmazások számára hasznos, amelyek PDF-et használnak a dokumentumcseréhez.
