pdfファイルの調査 - prepress-tips

最終更新日時： 2008/06/30   

• pdfを調べるツール
• 使い方の例

Edit

pdfを調べるツール

   私が現在利用しているものです。

• PDF Analyst
     pdfのオブジェクトに関する情報を すばやく見ることができます。
• PDF FontDecoder
     pdfのフォントに関する情報を すばやく見ることができます。
• TSXBIN
     シンボル表示のできる驚異的なバイナリエディタです。
     pdfに限らず ほとんどすべてのデータを シンボリックに見ることができます。
     pdfを見るときは 下のマクロを使います。
        ※スピードが遅かったり ときどきハングアップしたりもしますが それなりに使えます。
           利用は無保証ですが ご自由にどうぞ。

pdf.sym

// 初期設定 // 詳細 // --- maxloop #maxloop -1 // --- "typedef.h" typedef unsigned char BYTE; typedef unsigned short WORD; typedef unsigned int UINT; typedef unsigned long DWORD; typedef unsigned long ULONG; typedef long LONG; typedef int BOOL; const BOOL TRUE=1; const BOOL FALSE=0; // --- 定数・変数の宣言 unsigned long FileSize, pos, pos_xref, pos_obj; unsigned long o_num, o_cnt, o_off, o_bck, l, o_i, o_j, o_k; unsigned long x_i; unsigned char c, eol_c; unsigned char st; string str, TmpStr; unsigned short OBJ_max = 1000; unsigned long OBJ_top[ OBJ_max ]; unsigned short OBJ_cnt; unsigned long OBJ_srt[ OBJ_max ]; unsigned long OBJ_num[ OBJ_max ]; // --- objectオフセットを初期化 for( o_i = 0; o_i < OBJ_max; o_i++ ) { OBJ_top[ o_i ] = 0; OBJ_num[ o_i ] = o_i; } // --- シンボル表示するかどうかを確認 if( MessageBox( "シンボル表示します（多少時間がかかります。）", "TSXBIN", 1 ) == 2 ) { return; } // pdfの構造を調べる // 詳細 // 最新の相互参照表のオフセットを調べる // 詳細 // --- ファイルサイズを読む FileSize = GetFileSize(); // --- ファイルの終わりから 's'を探す pos = FileSize; c = '\0'; while( c != 's' ) { c = GetByte( --pos ); } // --- 'startxref'を探す // 　（ 見つからないときは中止 ） while( FStrCmp( pos, 0, "startxref" ) != 0 ) { pos++; if( pos == FileSize ) { pos = 0; MessageBox( "startxrefが見つかりません。", "TSXBIN", 0 ); return; } } // --- 数字以外を読み飛ばして c = GetByte( pos++ ); while( c < '0' || '9' < c ) { c = GetByte( pos++ ); } // --- xrefオフセットを読み pos_xref = 0; while( '0' <= c && c <= '9' ) { pos_xref = 10 * pos_xref + c - '0'; c = GetByte( pos++ ); } // --- object配列に格納する x_i = OBJ_max - 1; OBJ_top[ x_i ] = pos_xref; OBJ_num[ x_i ] = OBJ_max; // 注 // object番号をOBJ_maxにしておく // （あとで相互参照表であることを判別するため） // --- xrefオフセットが oでなければ繰り返す { while( pos_xref != 0 ) { // 詳細 // 相互参照表のオブジェクトの一覧を読む // --- 行末文字の判別 // xrefオフセットの位置に移動して // 行末文字まで読み飛ばし pos = pos_xref; c = GetByte( pos++ ); while( ! ( c == 0x0d || c == 0x0a ) ) { c = GetByte( pos++ ); } // 行末文字を読み取る eol_c = c; c = GetByte( pos ); if( c == 0x0a ) { pos++; eol_c = c; } // --- objectオフセットの取得 // while // 'trailer'で始まる箇所まで 繰り返す while( FStrCmp( pos, 0, "trailer" ) != 0 ) { // { // --- object番号の始まりとobjectの個数を読む // --- 詳細 // 1文字目を読む c = GetByte( pos++ ); // 空白と行末文字を読み飛ばし while( c == 0x20 || c == 0x0d || c == 0x0a ) { c = GetByte( pos++ ); } // object番号の始まりを読む o_num = 0; while( '0' <= c && c <= '9' ) { o_num = 10 * o_num + c - '0'; c = GetByte( pos++ ); } // 空白と行末文字を読み飛ばし while( c == 0x20 || c == 0x0d || c == 0x0a ) { c = GetByte( pos++ ); } // objectの個数を読む o_cnt = 0; while( '0' <= c && c <= '9' ) { o_cnt = 10 * o_cnt + c - '0'; c = GetByte( pos++ ); } // 空白と行末文字を読み飛ばし while( c == 0x20 || c == 0x0d || c == 0x0a ) { c = GetByte( pos++ ); } // 1文字戻す pos--; if( 0 < o_cnt ) { // for // objectの個数分繰り返す for( o_i = 0; o_i < o_cnt; o_i++ ) { // { // --- objectオフセットを読み OBJ_topに格納する // --- 詳細 // 文字位置を記憶 pos_obj = pos; // if // 使用中のエントリなら if( GetByte( pos + 17 ) == 'n' ) { // { // 1文字目を読む c = GetByte( pos++ ); // 空白を読み飛ばして while( c == 0x20 ) { c = GetByte( pos++ ); } // objectオフセットを読み o_off = 0; while( '0' <= c && c <= '9' ) { o_off = 10 * o_off + c - '0'; c = GetByte( pos++ ); } // objectオフセットの配列に格納する OBJ_top[ o_num + o_i ] = o_off; } // 文字位置を復元し 20進める pos = pos_obj + 20; } } } // --- startxrefの検索と // --- xrefオフセットの取得 // xrefオフセットをクリア pos_xref = 0; // while // 'startxref'で始まる箇所まで 繰り返す while( FStrCmp( pos, 0, "startxref" ) != 0 ) { // { // --- prevエントリを読む // --- 詳細 // if // prevエントリなら if( FStrCmp( pos, 0, "/prev", 1 ) == 0 ) { // { // 数字以外を読み飛ばして c = GetByte( pos++ ); while( c < '0' || '9' < c ) { c = GetByte( pos++ ); } // xrefオフセットを読み pos_xref = 0; while( '0' <= c && c <= '9' ) { pos_xref = 10 * pos_xref + c - '0'; c = GetByte( pos++ ); } if( OBJ_top[ x_i ] != pos_xref ) { // object配列に格納する OBJ_top[-- x_i ] = pos_xref; OBJ_num[ x_i ] = OBJ_max; } else { pos_xref = 0; } // 1文字戻す pos--; } // 次の文字位置へ pos++; // ファイルの終わりだったら中止 if( pos == FileSize ) { MessageBox( "startxrefが見つかりません。", "TSXBIN", 0 ); pos = 0; return; } } // --- } } // --- ソート // --- objectオフセットのソート // for // OBJ_topの最後まで繰り返し OBJ_cnt = 0; for( o_i = 0; o_i < OBJ_max; o_i++ ) { // { // if // objectオフセットが 0でないとき if( OBJ_top[ o_i ] != 0 ) { // { // objectオフセットとobject番号を読む o_off = OBJ_top[ o_i ]; o_num = OBJ_num[ o_i ]; // if // １つ目でなく if( 0 < OBJ_cnt ) { // { // if // OBJ_srtの最終オフセットより小さいとき if( ( 0 < OBJ_cnt ) && ( o_off < OBJ_srt[ OBJ_cnt - 1 ] ) ) { // { // 格納場所をサーチ for( o_k = 0; o_k < OBJ_cnt; o_k++ ) { if( o_off < OBJ_srt[ o_k ] ) { o_j = o_k; break; } } // 格納場所を空ける for( o_k = o_j; o_k < OBJ_cnt; o_k++ ) { o_bck = OBJ_srt[ o_k ]; OBJ_srt[ o_k ] = o_off; o_off = o_bck; o_bck = OBJ_num[ o_k ]; OBJ_num[ o_k ] = o_num; o_num = o_bck; } // } } // } } // objectオフセットとobject番号をOBJ_srtに格納 OBJ_srt[ OBJ_cnt ] = o_off; OBJ_num[ OBJ_cnt ] = o_num; OBJ_cnt++; // } } // } } // ファイル末オフセットも格納 OBJ_srt[ OBJ_cnt ] = FileSize; OBJ_num[ OBJ_cnt++ ] = OBJ_max; // オブジェクト数の確認 if( MessageBox( "オブジェクト数は " + tostr( OBJ_cnt - ( OBJ_max - x_i ) ) +"です。", "TSXBIN", 1 ) == 2 ) { return; } // --- オブジェクトを表示 // hedderの表示 TmpStr = "header"; pos = 0; while( pos < OBJ_srt[ 0 ] ) { pos_obj = pos; while( pos < OBJ_srt[ 0 ] ) { c = GetByte( pos++ ); if( c == 0x0d ) { c = GetByte( pos++ ); if( c != 0x0a ) { pos--; } break; } if( c == 0x0a ) { break; } } l = pos - pos_obj; $BYTE TmpStr[ l ]; } // --- objectsの表示 // for // objectの個数分繰り返し for( o_j = 1; o_j < OBJ_cnt; o_j++ ) { // { // 位置の確認( デバグ用 ) if( ( o_j - 1 ) == OBJ_cnt ) { if( MessageBox( "OBJ_srt[ " + tostr( o_j - 1 ) + " ]: " + tostr( OBJ_srt[ o_j - 1 ] ) + " pos: " + tostr( pos ), "TSXBIN", 1 ) == 2 ) { return; } } // if // objectのとき if( OBJ_num[ o_j - 1 ] < OBJ_max ) { // { // --- obectを表示する // 'obj'の表示 TmpStr = "obj" + tostr( OBJ_num[ o_j - 1 ] ); // objectの表示 st = 0; while( pos < OBJ_srt[ o_j ] ) { pos_obj = pos; if( st == 2 ) { while( pos < OBJ_srt[ o_j ] ) { l = FindByteOffset( 'e', pos ); l++; pos += l; if( OBJ_srt[ o_j ] < pos ) { pos = OBJ_srt[ o_j ]; } if( FStrCmp( pos - 1, 0, "endstream" ) == 0 ) { pos--; break; } } st = 0; } else { if( st == 1 ) { st = 2; } while( pos < OBJ_srt[ o_j ] ) { c = GetByte( pos++ ); if( c == '>' ) { if( FStrCmp( pos, 0, "stream" ) == 0 ) { break; } } if( c == 0x0d ) { c = GetByte( pos++ ); if( c != 0x0a ) { pos--; } break; } if( c == 0x0a ) { break; } } if( FStrCmp( pos, 0, "stream" ) == 0 ) { st = 1; } } l = pos - pos_obj; $BYTE TmpStr[ l ]; } // } else { } else { // --- xrefを表示する // --- 詳細 // 'xref'の表示 TmpStr = "xref "; l = FindByte( eol_c ); l++; pos += l; $BYTE TmpStr[ l ]; // for // 'trailer'まで繰り返す while( FStrCmp( pos, 0, "trailer" ) != 0 ) { // { // --- object番号の始まりとobjectの個数を読んで表示する // --- 詳細 // 文字位置を記憶 pos_obj = pos; // 1文字目を読む c = GetByte( pos++ ); // 空白を読み飛ばし while( c == 0x20 ) { c = GetByte( pos++ ); } // object番号の始まりを読む o_num = 0; while( '0' <= c && c <= '9' ) { o_num = 10 * o_num + c - '0'; c = GetByte( pos++ ); } // 空白を読み飛ばし while( c == 0x20 ) { c = GetByte( pos++ ); } // objectの個数を読む o_cnt = 0; while( '0' <= c && c <= '9' ) { o_cnt = 10 * o_cnt + c - '0'; c = GetByte( pos++ ); } // 空白と行末文字を読み飛ばし while( c == 0x20 || c == 0x0d || c == 0x0a ) { c = GetByte( pos++ ); } // 1文字戻す pos--; // 文字数を計算 l = pos - pos_obj; // object番号の始まりとobjectの個数を表示 $BYTE TmpStr[ l ]; // for // objectの個数分繰り返す for( o_i = 0; o_i < o_cnt; o_i++ ) { // { // 20バイト表示 TmpStr = "xref" + tostr( o_num + o_i ); l = 20; pos += l; $BYTE TmpStr[ l ]; } // } } // --- trailerを表示する // 'trailer'の表示 TmpStr = "trailer"; // trailerの表示 while( pos < OBJ_srt[ o_j ] ) { pos_obj = pos; while( pos < OBJ_srt[ o_j ] ) { c = GetByte( pos++ ); if( c == 0x0d ) { if( pos < OBJ_srt[ o_j ] ) { c = GetByte( pos++ ); if( c != 0x0a ) { pos--; } } break; } if( c == 0x0a ) { break; } } l = pos - pos_obj; $BYTE TmpStr[ l ]; } // } } // } }

使い方の例

   たとえば pdfから cmapを取り出すときは 次のようにします。

1. PDF FontDecoderで フォントのオブジェクト番号を調べる。
2. PDF Analystで そのオブジェクトを調べて　エンコーディングを知る。
   /Encoding/Identity-H のときは
      /BaseFontエントリで サブフォントの名前がわかり
      /ToUnicodeエントリで Cmapのオブジェクト番号がわかる。
3. TSXBINで そのオブジェクトを取り出す。
4. inflate.plで それをインフレートする。
      ※ inflate.plは perlのDocumentationのCompress::Zlibのところに記載されています。

inflate.pl

use strict ; use warnings ; use Compress::Zlib ; my $x = inflateInit() or die "Cannot create a inflation stream\x0a" ; my $input = '' ; binmode STDIN; binmode STDOUT; my ($output, $status) ; while (read(STDIN, $input, 4096)) { ($output, $status) = $x->inflate(\$input) ; print $output if $status == Z_OK or $status == Z_STREAM_END ; last if $status != Z_OK ; } die "inflation failed\x0a" unless $status == Z_STREAM_END ;

Edit

---