我想構建一個實用程序從PDF中提取嵌入文件（請參閱the spec的7.11.4節）。不過，我希望該實用程序「小」，而不依賴於完整的PDF解析框架。我想知道如果文件格式是這樣的，一個簡單的工具可以掃描文檔中的某些標記或序列，並從中知道從哪裏開始提取嵌入文件。提取嵌入PDF文件沒有完全解析
潛在的困難包括您掃描的標記或序列可能有效地存在於文檔的其他地方，導致虛假或損壞的文檔提取。
我不是那熟悉的PDF規範，所以我在尋找
有至少有兩種情況會讓你的生活變得困難：加密文件和對象流（包含內部對象集合的壓縮對象）。
關於第二項（對象流），一些PDF生成工具會將PDF文件中的大部分對象（字典）放在一個對象中，並壓縮這個對象（通常是放氣壓縮）。這意味着你不能只瀏覽一個PDF文件尋找某個特定的標記，以便提取一些你需要的信息，而忽略其他的信息。您將需要至少部分解釋PDF文件的結構。
請注意，即使未使用對象流，您要提取的嵌入文件也很可能會被壓縮。
你的程序將需要能夠做至少有以下：
- 處理外部參照表
- 處理對象流
- 應用解碼/解壓縮過濾器的數據流。
一旦您能夠從文件中獲取所有對象，理論上可以通過它們查找EmbeddedFile類型的字典。這種方法的缺點是，您可能會提取文檔內部任何未引用的文件（例如，用戶在文件歷史記錄的某個點刪除了它）
另一種方法可能是實際瀏覽結構該文件在PDF規範指定的位置上查找嵌入式文件。你可以找到嵌入文件中至少包含以下元素（這個列表是從我的頭頂，有可能是多了很多，這些）：
- 名字字典
- 文件概述
- 頁註釋
+1;另一個困難可能是多修訂版文件增加和刪除文件附件。 – mkl
至少有兩種情況會讓你的生活變得困難：加密文件和對象流（包含內部對象集合的壓縮對象）。 – yms
*我不太熟悉PDF規範* - 在這種情況下，在嘗試類似的任何操作之前，先要熟悉它。 – mkl
@yms：沒關係處理加密文件（我假設你的意思是PDF和密碼？），但是你能說更多關於對象流的信息嗎？ – brooks94