Может ли действительный PDF быть «данными сериализации Java»?


1

У меня есть файл PDF, который мой читатель (Затура) не открыл. У меня есть другой читатель (mupdf), который открывает его. Я считаю, что Zathura зависит от определения магического значения файла (первые несколько байтов), потому что он может открывать другие форматы, кроме PDF.

При осмотре я заметил, что это обнаружено как Java serialisation data, version 5.

$ file document.pdf
document.pdf: Java serialization data, version 5

Проверка первых нескольких байтов:

00000000: aced 0005 7572 0002 5b42 acf3 17f8 0608 ....ur..[B......
00000010: 54e0 0200 0078 7000 0389 9525 5044 462d T....xp....%PDF-

Обычно PDF начинается с %PDFбайта 0.

Если я уберу первые 27 байтов, я могу открыть файл:

$ dd if=~/Downloads/file.pdf skip=27 bs=1 of=/tmp/file.pdf

Дальнейшая проверка показывает, что файл был сгенерирован Apache FOP версии 1.1. Я не могу найти какой-либо вариант этого формата для PDF, несмотря на немало Google.

Это правильный формат для PDF?


обновить , немного углубившись в заголовок, он выглядит как сериализованный массив Java, в котором «массив» содержит данные файла PDF. Я посмотрел спецификацию протокола сериализации и, в частности, описание грамматики, из которого я мог бы декодировать 27-байтовый заголовок как:

  • AC ED= STREAM_MAGICидентифицирует содержимое файла как протокол сериализации.

  • 00 05= STREAM_VERSIONВерсия сериализации.

  • 75 знак равно TC_ARRAY
  • 72 знак равно TC_CLASSDESC
  • 00 02 = Длина имени класса.
  • 5b 42 = название класса ur
  • AC F3 17 F8 06 08 54 E0= SerialVersionUID, серийный идентификатор версии класса.
  • 02= флаг SC_SERIALIZABLE- объект поддерживает сериализацию.
  • 00 00 = Количество полей в этом классе (ноль!)
  • 78= TC_ENDBLOCKDATA.
  • 70= TC_NULL(Объект не имеет родительского класса).
  • 00 03 89 95 = длина "массива" = 231829 = размер данных в байтах

Извлеченный PDF действительно имеет длину 231829 байт

$ dd if=document.pdf skip=27 bs=1 | wc -c
231829 bytes 

Это указывает на то, что файл не поврежден и действительно является сериализованным массивом Java, который содержит документ PDF. Но будет ли это считаться действительным PDF?

Ответы:


1

Ссылка имеет это сказать:

3.4.1 File Header

The first line of a PDF file is a header identifying the version of the PDF
specification to which the file conforms. For a file conforming to PDF 1.7, 
the header should be

    %PDF−1.7

Моя интерпретация этой строки такова, что, строго говоря, файл, который у вас есть, не является допустимым файлом PDF. Первая строка заканчивается правильным значением, но она содержит дополнительный «мусор» перед ним.

Это говорит о том, что, скорее всего, до реализации PDF-ридера зависит, как искать %PDF-x.xмагию, и я предполагаю, что большинство читают до тех пор, пока они не достигнут первого, 0D 0Aкоторый в вашем случае оказывается сразу после PDF-маркера.

Если данные сериализации содержали бы 0D 0Aзначение, то я предполагаю, что mupdf также не сможет прочитать его.


Я писал тот же ответ, но ты был немного быстрее. Я абсолютно согласен. Ни один правильный PDF-ридер не должен принимать такой файл как действительный. Что некоторые делают независимо от дополнительных данных, это просто удача.
Тонни

За 0Aзаголовком следует только одиночество (на самом деле строка комментария, как это предлагается в спецификации - 0a 25aa abac ad0a ), но ваш смысл имеет смысл в том, почему более расслабленный читатель может справиться, если те, кто придерживается спецификации, этого не делают.
Старфри

Кажется, что любая комбинация 0A, 0Dили 0D 0Aработает .. У меня есть два файла PDF на моем рабочем столе, и один имеет, 0Dа другой имеет 0D 0A. :)
Магнус
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.