Najlepsze narzędzie do kontroli plików PDF? [Zamknięte]

Jak mogę sprawdzić pliki PDF, najlepiej za pomocą narzędzia?

Przykład zastosowania: próbuję programowo generować pliki PDF (przy użyciu iText). Mam problemy z uzyskaniem niektórych układów, ale mam pliki PDF z tekstem ułożonym tak, jak chcę (wygenerowane z programu Word). Chciałbym odtworzyć, jak oni to robią.

PDF Inspector wydaje się być dobry, ale szukam czegoś dla Windowsa.

Adobe Acrobat ma bardzo fajny, ale raczej dobrze ukryty tryb, umożliwiający przeglądanie plików PDF. Napisałem artykuł wyjaśniający to na blogu pod adresem https://blog.idrsolutions.com/2009/04/viewing-pdf-objects/

Oprócz narzędzi opartych na graficznym interfejsie użytkownika, o których mowa w innych odpowiedziach, istnieje kilka narzędzi wiersza poleceń, które mogą przekształcić oryginalny kod źródłowy PDF w inną reprezentację, co pozwala sprawdzić (teraz zmodyfikowany plik) za pomocą edytora tekstu. Wszystkie poniższe narzędzia działają w systemie Linux, Mac OS X, innych systemach Unix lub Windows.

qpdf (mój ulubiony)

Użyj qpdf, aby zdekompresować (większość) strumieni obiektów, a także rozdzielićObjStm obiekty na poszczególne obiekty pośrednie:

qpdf --qdf --object-streams=disable orig.pdf uncompressed-qpdf.pdf

qpdfokreśla siebie jako narzędzie, które wykonuje „strukturalne przekształcenia zachowujące zawartość plików PDF” .

Następnie po prostu otwórz + sprawdź plik uncompressed-qpdf.pdf plik w swoim ulubionym edytorze tekstu. Większość wcześniej skompresowanych (a zatem binarnych) bajtów będzie teraz zwykłym tekstem.

mutool

Istnieje również mutoolnarzędzie wiersza poleceń, które jest dostarczane w pakiecie z przeglądarką plików PDF MuPDF (która jest siostrzanym produktem Ghostscript, wyprodukowanym przez tę samą firmę Artifex ). Następujące polecenie dekompresuje również strumienie i ułatwia ich przeglądanie w edytorze tekstu:

mutool clean -d orig.pdf uncompressed-mutool.pdf

podofouncompress

PoDoFo to biblioteka FreeSoftware / OpenSource do pracy z formatem PDF i zawiera kilka narzędzi wiersza poleceń, w tympodofouncompress. Użyj go w ten sposób, aby zdekompresować strumienie PDF:

podofouncompress orig.pdf uncompressed-podofo.pdf

peepdf.py

PeePDF to narzędzie oparte na języku Python, które pomaga przeglądać pliki PDF. Jego pierwotnym celem było badanie i analiza złośliwego oprogramowania opartego na plikach PDF, ale uważam, że przydatne jest również zbadanie struktury całkowicie niegroźnych plików PDF.

Można go używać interaktywnie do „przeglądania” obiektów i strumieni zawartych w pliku PDF.

Nie podam tutaj przykładu użycia, a jedynie link do jego dokumentacji:

• peepdf - narzędzie do analizy plików PDF

pdfid.py i pdf-parser.py

pdfid.pyi pdf-parser.pyto dwa narzędzia PDF autorstwa Didiera Stevensa napisane w języku Python.

Ich tło ma również pomóc w eksploracji złośliwego oprogramowania plików PDF - ale uważam również, że przydatne jest analizowanie struktury i zawartości niegroźnych plików PDF.

Oto przykład, jak wyodrębnić nieskompresowany strumień obiektu PDF nr. 5 do pliku * .dump:

pdf-parser.py -o 5 -f -d obj5.dump my.pdf

Uwagi końcowe

1. Należy pamiętać, że niektóre części binarne w pliku PDF niekoniecznie są niekompresowalne (lub dekodowane do czytelnego dla człowieka kodu ASCII), ponieważ są osadzane i używane w swoim rodzimym formacie w plikach PDF. Takie części PDF to obrazy JPEG, czcionki lub profile kolorów ICC.

2. Jeśli porównasz powyższe narzędzia z podanymi przykładami wiersza poleceń, odkryjesz, że NIE wszystkie dają identyczne wyniki. Sam wysiłek polegający na porównaniu ich pod kątem różnic może pomóc lepiej zrozumieć naturę składni PDF i formatu pliku.

Używam iText RUPS (odczyt i aktualizacja składni PDF) w Linuksie. Ponieważ jest napisany w Javie, działa również w systemie Windows. Możesz przeglądać wszystkie obiekty w pliku PDF w strukturze drzewa. Może również dekodować strumienie zakodowane w formacie Flate na bieżąco, aby ułatwić kontrolę.

Oto zrzut ekranu:

PDFXplorer z O2 Solutions wykonuje znakomitą pracę, wyświetlając elementy wewnętrzne.

http://www.o2sol.com/pdfxplorer/overview.htm

(Bezpłatny, rozpraszający baner na dole).

Użyłem PDFBox z dobrym sukcesem. Oto próbka tego, jak wygląda kod (z wersji 0.7.2), który prawdopodobnie pochodzi z jednego z podanych przykładów:

// load the document
System.out.println("Reading document: " + filename);
PDDocument doc = null;                                                                                                                                                                                                          
doc = PDDocument.load(filename);

// look at all the document information
PDDocumentInformation info = doc.getDocumentInformation();
COSDictionary dict = info.getDictionary();
List l = dict.keyList();
for (Object o : l) {
    //System.out.println(o.toString() + " " + dict.getString(o));
    System.out.println(o.toString());
}

// look at the document catalog
PDDocumentCatalog cat = doc.getDocumentCatalog();
System.out.println("Catalog:" + cat);

List<PDPage> lp = cat.getAllPages();
System.out.println("# Pages: " + lp.size());
PDPage page = lp.get(4);
System.out.println("Page: " + page);
System.out.println("\tCropBox: " + page.getCropBox());
System.out.println("\tMediaBox: " + page.getMediaBox());
System.out.println("\tResources: " + page.getResources());
System.out.println("\tRotation: " + page.getRotation());
System.out.println("\tArtBox: " + page.getArtBox());
System.out.println("\tBleedBox: " + page.getBleedBox());
System.out.println("\tContents: " + page.getContents());
System.out.println("\tTrimBox: " + page.getTrimBox());
List<PDAnnotation> la = page.getAnnotations();
System.out.println("\t# Annotations: " + la.size());

Jest też inna opcja. Adobe Acrobat Pro może także wyświetlać wewnętrzną strukturę drzewa pliku PDF.

1. Otwórz inspekcję wstępną
2. Idź do opcji (prawy górny róg)
3. Wewnętrzna struktura PDF

Na wierzchu Adobe Acrobat Pro może również wyświetlać wewnętrzną strukturę czcionek dokumentu w PDF, większość innych "przeglądarek struktury drzewa PDF" nie ma tej możliwości

Przeglądarka obiektów w programie Acrobat jest dobra, ale PDF Canopener firmy Windjack Solution umożliwia lepszą kontrolę za pomocą kroplomierza do wybierania obiektów na stronie. Pozwala również na modyfikacje w formacie PDF.

http://www.windjack.com/products/pdfcanopener.html

PDF Analyzer jest podobny do PDFXplorer , ale ma więcej opcji. Jest również bezpłatny po pojedynczej rejestracji.

• https://www.winking.be/en/products/pdfanalyzer
• http://www.o2sol.com/pdfxplorer/overview.htm

Jeśli chcesz pracować programowo z poziomu Pythona, pdfminer jest dobrą opcją. Pozwala pracować ze strukturą PDF w pamięci jako hierarchią obiektów lub serializować ją jako XML.

Moją sugestią jest Foxit PDF Reader, który jest bardzo pomocny w wykonywaniu ważnych prac związanych z edycją tekstu na pliku pdf.