检查PDF文件的最佳工具？[关闭]

您建议使用哪种工具检查PDF文件？

用例：我正在尝试以编程方式生成PDF文件（使用iText）。我在实现某些布局时遇到麻烦，但是我有PDF文件，其文本以我想要的方式布局（从Word生成）。我想对他们的工作进行反向工程。

PDF检查器似乎不错，但是我正在寻找Windows专用的东西。

Adobe Acrobat具有非常酷但隐藏得很好的模式，可让您检查PDF文件。我在https://blog.idrsolutions.com/2009/04/viewing-pdf-objects/上写了一篇博客文章对其进行了解释。

除了其他答案中提到的基于GUI的工具外，还有一些命令行工具可以将原始PDF源代码转换为不同的表示形式，使您可以使用文本编辑器检查（现在已修改的文件）。以下所有工具均可在Linux，Mac OS X，其他Unix系统或Windows上使用。

qpdf （我的最爱）

使用qpdf解压缩（大多数）对象的流，并将ObjStm对象分解为单个间接对象：

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

qpdf将自己描述为一种可对PDF文件进行结构化，内容保留的转换的工具。

然后只需uncompressed-qpdf.pdf在您喜欢的文本编辑器中打开+检查文件即可。现在，大多数以前压缩（因此是二进制）的字节现在都是纯文本。

mutool

MuPDF PDF查看器（这是同一公司Artifex制造的Ghostscript的姊妹产品）mutool附带有一个命令行工具。以下命令还会解压缩流，并使它们更易于通过文本编辑器检查：

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

podofouncompress

PoDoFo是一个使用PDF格式的FreeSoftware / OpenSource库，它包含一些命令行工具，包括podofouncompress。像这样使用它解压缩PDF流：

podofouncompress orig.pdf uncompressed-podofo.pdf

peepdf.py

PeePDF是基于Python的工具，可帮助您浏览PDF文件。它的最初目的是研究和剖析基于PDF的恶意软件，但我发现研究完全良性的PDF文件的结构也很有用。

可以交互使用它来“浏览” PDF中包含的对象和流。

我在这里不提供用法示例，而仅提供其文档的链接：

• peepdf-PDF分析工具

pdfid.py 和 pdf-parser.py

pdfid.py和pdf-parser.py两个迪迪埃·史蒂文斯PDF工具用Python编写的。

它们的背景还可以帮助探索恶意 PDF，但是我也发现分析良性PDF文件的结构和内容很有用。

这是一个示例，我将如何提取未压缩的PDF对象编号流。5进入* .dump文件：

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

最后的笔记

1. 请注意，PDF内的某些二进制部分不一定是不可压缩的（或可解码为人类可读的ASCII代码），因为它们已嵌入并以其本机格式在PDF内使用。此类PDF部分是JPEG图像，字体或ICC颜色配置文件。

2. 如果将上述工具与给定的命令行示例进行比较，您会发现它们并不会产生完全相同的输出。比较它们本身差异的工作可以帮助您更好地了解PDF语法和文件格式的性质。

我在Linux中使用iText RUPS（读取和更新PDF语法）。由于它是用Java编写的，因此也可以在Windows上运行。您可以树状结构浏览PDF文件中的所有对象。它还可以即时解码Flate编码的流，从而使检查变得更加容易。

这是屏幕截图：

O2 Solutions的PDFXplorer在显示内部结构方面做得非常出色。

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

（免费，分散注意力的横幅位于底部）。

我已经成功使用PDFBox。以下是代码外观的示例（从0.7.2版开始），可能来自提供的示例之一：

// 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());

Acrobat中的对象查看器很好，但是Windjack Solution的PDF Canopener可以使用吸管更好地检查以选择页面上的对象。还允许对PDF进行修改。

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

还有另一种选择。Adobe Acrobat Pro也能够显示PDF的内部树结构。

1. 开启预检
2. 转到选项（右上角）
3. 内部PDF结构

最重要的是，Adobe Acrobat Pro还可以在PDF中显示文档字体的内部结构，其他大多数“ PDF树结构查看器”都没有此功能。

如果要在Python中以编程方式进行工作，pdfminer是一个不错的选择。它允许您将内存中的PDF结构作为对象层次结构使用或将其序列化为XML。

PDF Analyzer类似于PDFXplorer，但具有更多选项。一次注册也免费。

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

我的建议是Foxit PDF Reader，它对在pdf文件上进行重要的文本编辑工作非常有帮助。