Alat terbaik untuk memeriksa file PDF? [Tutup]

Bagaimana saya bisa memeriksa file PDF, lebih disukai dengan alat?

Kasus penggunaan: Saya mencoba membuat file PDF secara terprogram (menggunakan iText). Saya mengalami masalah dalam mencapai tata letak tertentu, tetapi saya memiliki file PDF dengan teks yang ditata seperti yang saya inginkan (dihasilkan dari Word). Saya ingin merekayasa balik cara mereka melakukannya.

PDF Inspector sepertinya bagus, tapi saya mencari sesuatu untuk Windows.

Adobe Acrobat memiliki mode yang sangat keren tetapi cukup tersembunyi yang memungkinkan Anda untuk memeriksa file PDF. Saya menulis artikel blog yang menjelaskannya di https://blog.idrsolutions.com/2009/04/viewing-pdf-objects/

Selain alat berbasis GUI yang disebutkan dalam jawaban lain, ada beberapa alat baris perintah yang dapat mengubah kode sumber PDF asli menjadi representasi berbeda yang memungkinkan Anda memeriksa (file yang sekarang dimodifikasi) dengan editor teks. Semua alat di bawah ini berfungsi di Linux, Mac OS X, sistem Unix lain, atau Windows.

qpdf (kesukaanku)

Gunakan qpdf untuk membuka kompresi (sebagian besar) aliran objek dan juga membedah ObjStmobjek menjadi objek tidak langsung individual:

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

qpdfmendeskripsikan dirinya sebagai alat yang melakukan "transformasi struktural, yang memelihara konten pada file PDF" .

Kemudian buka + periksa uncompressed-qpdf.pdffile di editor teks favorit Anda. Sebagian besar byte yang sebelumnya dikompresi (dan karenanya, biner) sekarang akan menjadi teks biasa.

mutool

Ada juga mutoolalat baris perintah yang dibundel dengan penampil PDF MuPDF (yang merupakan produk saudara Ghostscript, dibuat oleh perusahaan yang sama, Artifex ). Perintah berikut juga membuka kompresi aliran dan membuatnya lebih mudah untuk diperiksa melalui editor teks:

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

podofouncompress

PoDoFo adalah pustaka FreeSoftware / OpenSource untuk bekerja dengan format PDF dan mencakup beberapa alat baris perintah, termasukpodofouncompress. Gunakan seperti ini untuk membuka kompresi aliran PDF:

podofouncompress orig.pdf uncompressed-podofo.pdf

peepdf.py

PeePDF adalah alat berbasis Python yang membantu Anda menjelajahi file PDF. Tujuan aslinya adalah untuk penelitian dan pembedahan malware berbasis PDF, tetapi saya merasa berguna juga untuk menyelidiki struktur file PDF yang sepenuhnya jinak.

Ini dapat digunakan secara interaktif untuk "menelusuri" objek dan aliran yang terdapat dalam PDF.

Saya tidak akan memberikan contoh penggunaan di sini, tetapi hanya tautan ke dokumentasinya:

• peepdf - Alat Analisis PDF

pdfid.py dan pdf-parser.py

pdfid.pydan pdf-parser.pydua alat PDF oleh Didier Stevens yang ditulis dengan Python.

Latar belakang mereka juga untuk membantu menjelajahi PDF berbahaya - tetapi saya juga merasa berguna untuk menganalisis struktur dan konten file PDF jinak.

Berikut adalah contoh bagaimana saya mengekstrak aliran tidak terkompresi dari objek PDF no. 5 menjadi file * .dump:

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

Catatan akhir

1. Harap dicatat bahwa beberapa bagian biner di dalam PDF belum tentu tidak dapat dikompresi (atau dapat didekodekan menjadi kode ASCII yang dapat dibaca manusia), karena mereka tertanam dan digunakan dalam format aslinya di dalam PDF. Bagian PDF tersebut adalah gambar JPEG, font atau profil warna ICC.

2. Jika Anda membandingkan alat-alat di atas dan contoh baris perintah yang diberikan, Anda akan menemukan bahwa mereka TIDAK semuanya menghasilkan keluaran yang sama. Upaya membandingkan keduanya karena perbedaannya sendiri dapat membantu Anda lebih memahami sifat sintaks PDF dan format file.

Saya menggunakan iText RUPS (Membaca dan Memperbarui Sintaks PDF) di Linux. Karena ditulis di Java, ini juga berfungsi di Windows. Anda dapat menelusuri semua objek dalam file PDF dalam struktur pohon. Itu juga dapat mendekode aliran yang dikodekan Flate dengan cepat untuk mempermudah pemeriksaan.

Ini tangkapan layarnya:

PDFXplorer dari O2 Solutions melakukan pekerjaan luar biasa dalam menampilkan internal.

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

(Gratis, spanduk mengganggu di bagian bawah).

Saya telah menggunakan PDFBox dengan kesuksesan yang baik. Berikut adalah contoh tampilan kode (kembali dari versi 0.7.2), yang kemungkinan besar berasal dari salah satu contoh yang diberikan:

// 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());

Ada juga opsi lain. Adobe Acrobat Pro juga dapat menampilkan struktur pohon internal PDF.

1. Buka Preflight
2. Pergi ke Opsi (pojok kanan atas)
3. Struktur PDF Internal

Di atas Adobe Acrobat Pro juga dapat menampilkan struktur internal Font Dokumen dalam PDF sebagian besar "penampil struktur pohon PDF" lainnya tidak memiliki fitur ini

Penampil objek di Acrobat bagus tetapi Canopener PDF Windjack Solution memungkinkan inspeksi yang lebih baik dengan pipet untuk memilih objek di halaman. Juga mengizinkan modifikasi dilakukan ke PDF.

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

PDF Analyzer mirip dengan PDFXplorer , tetapi memiliki lebih banyak opsi. Ini juga gratis setelah satu pendaftaran.

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

Jika Anda ingin bekerja secara terprogram dari dalam Python, pdfminer adalah pilihan yang bagus. Ini memungkinkan Anda untuk bekerja dengan struktur PDF di memori sebagai hierarki objek atau membuat serial sebagai XML.

Saran saya adalah Foxit PDF Reader yang sangat membantu untuk melakukan pekerjaan pengeditan teks penting pada file pdf.