有没有办法将部分PDF字节数组转换为单独的PDF文件？

Question

如果我有PDF文件的字节数组的一部分（例如：所有文件字节数组大小为10 MB而我只有前5 MB），有没有办法将该部分字节数组保存为单独的PDF文件？ 最好使用C＃，但任何其他编程语言都可以

Answer 1

简短回答是否定，除非您拥有完整（未损坏）的10MB文件，否则这是不可能的，在这种情况下，您将能够按页面拆分不是以MB为单位

Answer 2

PDF文件是由对象构建的，因此它们是模块化和随机访问。可以说整个PDF文件中最重要的部分出现在文件的末尾：它是XREF表，它为所有这些对象提供字节偏移。

没有文件的最后一部分意味着XREF表不存在，这至少是不幸的。您可能能够重建XREF表的一部分（某些PDF查看器能够执行此操作），但如果您丢失了一半文件，那么这种可能性很小甚至不存在。

唯一可能的是PDF保存为“linearised”。这样的PDF文件实际上在文件的最开头具有第一页的所有对象，而较小的XREF表仅索引在文件的开头也相对地显示第一页所需的那些对象。这样做是为了使PDF文件在从网站下载时更快地显示，但在您的情况下 - 如果PDF是以这种方式创建的 - 它可能会给您一个角度来重建至少第一页。

PDF Forencisc
让我加上这些额外的想法，这些想法可能有点极端（但这完全取决于你想要从这些PDF文件中恢复内容的绝对程度）。

正如我所说，PDF文件基本上是一组对象。正确描绘了这些对象中的每一个（如果您实现了正确的PDF解析器，则可以识别开头和结尾）。

这意味着您可以开始阅读PDF文件的开头并构建一个对象表。每个对象都以其ID开头，因此您可以为找到的每个对象存储ID和相应的文件偏移量。您可以继续，直到用完文件。这意味着当你只下载了一半的文件时，你的文件中大约有一半的对象。

下一个技巧是扫描所有对象并尝试查找“页面”对象。这些是可识别的，因为它们必须是字典，并且它们必须包含一个名为“Type”的键，其中“Page”作为其值。对于每个这样的页面对象，您可以继续尝试确保该特定页面的所有对象已经存在，如果是，则将其保存到新的PDF文档。

<强>然而...

有龙......记住这些微妙之处（我可能忘了一堆）：

• 页面对象不需要具有标识其页码的索引。通常，您将搜索“Pages”对象，然后页面树中“Page”对象的位置将确定其页面索引。如果你只看“页面”对象，你可能很难识别出第一页，第二页等等......你可能不得不假设第一页是文件中的第一个“页面”对象;但那只是一种（受过教育的）猜测。
• 如果没有文件的结尾，则无法判断PDF文件是否在某些时候被编辑并逐步保存。以增量方式保存PDF文件时，不会从文档中删除修改后的对象，只是将新对象添加到文件末尾。如果发生这种情况，您从PDF文件中抢救的对象可能不是最新版本的事实。