Abstract
  1. 前言
  2. pdf 相关参考资料：
  3. pdf 文件结构简介
    1. pdf 处理总体结构
    2. object 内容读取
    3. 页面内容分析
  4. 页面显示
    1. 坐标系变换
    2. 绘画上下文设置
    3. 特殊画刷处理
  5. pdf 阅读器开发说明
  6. 后记
  7. 相关阅读
Keywords Pdf  Wpf  Pdf  Wpf 
Citation Yao Qing-sheng.使用 C# 开发 Pdf 阅读器初探（基于 WPF，没有使用开源库）.FUTURE & CIVILIZATION Natural/Social Philosophy & Infomation Sciences,20240808. https://yaoqs.github.io/20240808/shi-yong-c-kai-fa-pdf-yue-du-qi-chu-tan-ji-yu-wpf-mei-you-shi-yong-kai-yuan-ku/

转载自 使用 C# 开发 pdf 阅读器初探（基于 WPF，没有使用开源库）

前言

pdf 是最流行的版式格式文件标准，已成为国际标准。pdf 相关的开源软件非常多，也基本能满足日常需要了。相关商业软件更是林林总总，几乎应有尽有！似乎没必要自己再独立自主开发！但，本人基于以下考虑，决定自主研发一款 pdf 阅读器。

  1. 通过编写 pdf 阅读器，可以迅速的熟悉 pdf 文件的处理。pdf 格式包含的内容非常多，仅仅通过查资料，很难掌握其内容。
  2. 任何技术，只有自主可控，才能到达气定神闲！使用开源软件是简单，万一遇到问题，就是个坑！
  3. 解决 pdf 与 ofd 互转问题。ofd 是国家标准，相关的处理软件非常少。为了解决两种格式文件互转，必须了解 pdf。
  4. 本人此前开发了一款 ofd 阅读器，积累了一些经验。为开发 pdf 阅读器增添了信心。

特别说明 本人花了几周写了这款阅读器，验证了 pdf 不同类型的数据处理，还远远到不了商用的要求。不积跬步无以至千里！本人会慢慢完善这款软件，敬请期待。本人的参考资料有两本英文书籍和 pdf 英文标准文档。

程序界面： 点击下载程序

pdf 相关参考资料：

pdf 文件结构简介

pdf 总的内容结构如下：

  1. header: 有关 pdf 版本信息。最新版为 % PDF−1. 7
  2. Body：存储具体数据，pdf 就是由很多 object 组成的。每个 object 由 dictionary 和 stream 组成。dictionary 存储就是 key、alue 字符对。dictionary 是可以嵌套的，就是 value 有可能也是一个 dictionary。
  3. Cross-Reference Table：交叉索引表。可以快速定位到具体 object。便于随机读取 object。
  4. Trailer：给出交叉索引表的位置。读取 pdf 文件都是从最后开始读的，所以 Trailer 一定是在文件最后。

pdf 处理总体结构

object 内容读取

交叉索引表能快速定位到某个 object 的位置，读取 object 内容不难，关键是分析 dictionary。dictionary 是可以嵌套，就是 dictionary 的内容还有 dictionary。快速解析出所有的 dictionary 是处理的关键。典型的 dictionary 结构如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
<<
/Annots 68 0 R
/BleedBox [0 0 504 661.5]
/Contents [51 0 R]
/CropBox [0 0 504 661.5]
/MediaBox [0 0 504 661.5]
/Parent 4334 0 R

/Resources
<< //嵌套dictionary
/ColorSpace <</CS1 62 0 R>>  //2次嵌套dictionary
/Font <</F1 7 0 R/F2 11 0 R/F3 13 0 R/F4 53 0 R>> //2次嵌套dictionary
/ProcSet [/PDF/Text/ImageB/ImageC] //数组
/XObject <</I1 54 0 R/I2 56 0 R/I3 60 0 R>>//2次嵌套dictionary
>>

/Type /Page
>>

页面内容分析

页面内容由系列操作数和操作符组成。所有的操作数和操作符在同一个文本中，所以要快速的将操作数和操作符组成可以执行的操作对。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
0 0 515.95 728.6 re
W* n
0 w
2 M
2 J
2 j
0 0 0 RG
BT
0 0 0 rg
/FT8 180 Tf
/GS13 gs
0.05 0 0 -0.05 187.68 676.49 Tm
<35BE>Tj 180 0 TD<1D5F>Tj 180 0 TD<4205>Tj 180 0 TD<4EC8>Tj
ET

字符都是存在（）或 <> 中，除去字符和数字，就是操作符。如上文 W*、n 都是操作符；<35BE> 为 16 进制字符对应的 key，具体代表哪个字，需要到查字符表。这里的 35BE 并不是 unicode 字符对应的值，还需要再查表。如下图：

1
2
3
4
5
6
beginbfchar
<0019> <0036>
<35BE> <0037>
<001B> <0038>
<001C> <0039>
endbfchar

<35BE> 对应的是 < 0037>。该表存在字体资源文件 object 中。

页面显示

坐标系变换

理清不同坐标系之间的关系是处理的关键。坐标系分为：Device Space（设备坐标空间）、User Space（设备坐标空间）、text space（文本坐标空间）等。

绘画上下文设置

当前绘画的状态（画笔、画刷等）是保存在栈中，会有入栈出栈操作。

特殊画刷处理

pdf 有一种画刷，比如渐变色，这个很难找到现成的画刷使用。我使用的是 ImageBrush，就是使用图片作为画刷。在内存中创建可擦写的图片，可以精确控制每个像素的值。根据 pdf 标准提供的算法，计算每个像素的值。

pdf 的显示大体分为三种：曲线、文本、图片。其中曲线的显示是比较麻烦的，关键是将 pdf 标准的描述与 wpf 曲线操作对应起来。

pdf 阅读器开发说明

如果完全参数标准文件开发，是比较枯燥，感觉慢慢长路看不到尽头。我采用是单个功能各个击破的方法，能很快见到开发成果。我使用的参考书是《PDF Explained》，100 多页，只是对 pdf 做大体介绍，但是各个功能点都有所提及。我就参照该书提供的示例文件，逐步验证每个文件。

每种显示都有多种处理方法，每个软件生成 pdf 的风格是不同的。对特定的软件生成的 pdf 做几次验证后，基本可以保证该软件生成的 pdf 都可以正常显示。

wps 是可以直接将 doc 文件转换为 pdf 的。我对 wps 生成的 pdf 做了测试，经过几次调试，现在基本可以正常处理 wps 生成的 pdf 文件。

后记

对于开发 pdf 阅读器这类软件，以前都是不敢想象的。像这种复杂的软件，必须遵循一定的设计模式、正确建立域模型。所以开发这类软件，对 pdf 标准的理解是否深刻并非关键，关键还是编程的功底。软件的外在表现千奇百态，但内在逻辑具有类比性的。继承、封装、多态、SOLID 设计准则这些并不难理解，但是要达到应用自如还需要反复锤炼。把握好每个细节，正确运用设计准则，一步一个脚印，最终会将不可能变成可能！

相关阅读

References

*Corresponding Author: Yao Qing-sheng <Email: 350788415@qq.com> BY-NC-SA .

  1. Yao Qing-sheng.使用 C# 开发 Pdf 阅读器初探（基于 WPF，没有使用开源库）.FUTURE & CIVILIZATION.Natural/Social Philosophy & Infomation Sciences,20240808.https://yaoqs.github.io/20240808/shi-yong-c-kai-fa-pdf-yue-du-qi-chu-tan-ji-yu-wpf-mei-you-shi-yong-kai-yuan-ku/
  2. 版权声明：本文为「LordYao」的原创文章，遵循 CC 4.0 BY-NC-SA 版权协议，转载请附上原文出处链接及本声明。
    原文链接： https://yaoqs.github.io/20240808/shi-yong-c-kai-fa-pdf-yue-du-qi-chu-tan-ji-yu-wpf-mei-you-shi-yong-kai-yuan-ku/