☰

有效的 PDF 可以是“Java 序列化数据”吗？

tag-icon • tag-icon pdf
有效的 PDF 可以是“Java 序列化数据”吗？

我有一个 PDF 文件，我的阅读器 (Zathura) 无法打开它。我有另一个阅读器 (mupdf) 可以打开它。我相信 Zathura 依赖于检测文件魔法值（前几个字节），因为它可以打开 PDF 以外的其他格式。

经检查，我注意到它被检测为Java serialisation data, version 5。

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

检查前几个字节：

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

%PDF通常，PDF从字节 0开始。

如果我去掉前 27 个字节，我就可以打开该文件：

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

进一步检查显示该文件是由 Apache FOP 版本 1.1 生成的。尽管在 Google 上搜索了很多，但我还是找不到任何关于此格式 PDF 的提及。

这是 PDF 的有效格式吗？

更新深入研究一下标题后，它确实是一个 Java 序列化数组，其中“数组”包含 PDF 文件数据。我查看了规格对于序列化协议，特别是语法描述 从中我可以将 27 字节标头解码为：

  • AC ED=STREAM_MAGIC将文件的内容标识为序列化协议。

  • 00 05=STREAM_VERSION序列化版本。

  • 75=TC_ARRAY
  • 72=TC_CLASSDESC
  • 00 02= 类名的长度。
  • 5b 42= 班级名称ur
  • AC F3 17 F8 06 08 54 E0= SerialVersionUID，类的序列版本标识符。
  • 02= 标志SC_SERIALIZABLE- 该对象支持序列化。
  • 00 00= 此类中的字段数（零！）
  • 78= TC_ENDBLOCKDATA。
  • 70= TC_NULL（对象没有父类）。
  • 00 03 89 95=“数组”的长度 = 231829 = 数据大小（以字节为单位）

提取的 PDF 确实长 231829 字节

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

这表明文件没有损坏，确实是包含 PDF 文档的 Java 序列化数组。但这会被视为有效的 PDF 吗？

答案1

这参考有话要说：

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

我对这句话的解释是，严格来说，你拥有的文件是不是有效的 PDF 文件。第一行结束具有正确的值，但其前面包含额外的“垃圾”。

话虽如此，如何寻找魔法很可能取决于 PDF 阅读器的实现%PDF-x.x，而我的猜测是，大多数人会一直阅读直到他们碰到第一个，0D 0A而在您的情况下，它恰好位于 PDF 标记之后。

如果序列化数据包含该0D 0A值，那么我猜测 mupdf 也无法读取它。

相关内容