PDF之压缩?加密?

Filter是用来压缩PDF还是用来加密的？之前介绍过，Office文档是用zip压缩数据的，把文字和图像等打包在一起。如果你用7z解压PPTX/DOCX/XLSX文档，就可以轻松获得文档中的文字和图片等资源。

PDF的大部分Filter确实是用来压缩的，然而ASCIIHexDecode和ASCII85Decode编码后只会让文件变大。这不是逗你吗？把ASCIIHex和ASCII85用来加密数据，有种此地无银三百两的感觉。现在很多人看见乱码就说加密，举个Base64的例子。

<img src="data:image/png;base64,iVBORw0KGgoAAA
ANSUhEUgAAAAUAAAAFCAYAAACNbyblAAAAHElEQVQI12P4
//8/w38GIAXDIBKE0DHxgljNBAAO9TXL0Y4OHwAAAABJRU
5ErkJggg==" alt="Red dot" />

PDF支持的filter可以分为三大类：

[1] 转码Filter，把原数据映射到可显示的字符范围。ASCIIHex映射为16进制的字符，ASCII85映射为ASCII表中的85个可显示字符范围。

[2] 压缩Filter，文本和图像使用不同的Filter，这才是用来压缩文件的。如LZWDecode,FlateDecode, RunLengthDecode, CCITTFaxDecode, JBIG2Decode, DCTDecode, JPXDecode。

[3] 加密Filter，这是用来加密PDF文件的。

ASCIIHex从2^8映射为2^4+2^4，因此压缩比是2:1=200%，怪不得现在已经绝迹了。而ASCII85的压缩比为5:4=125%，毕竟还有用途，但用的也不是太多。

Specifically, ASCII base-85 encoding produces 5 ASCII characters for every 4 bytes of binary data. Each group of 4 binary input bytes, (b1 b2 b3 b4), is converted to a group of 5 output bytes, (c1 c2 c3 c4 c5), using the relation：

这个代码写出来也很简单，大家可以亲手试一试，比刷Leecode简单多了，就是从一个范围映射到另一个字符范围。ASCIIHex不区分16进制中A-F的大小写，PDF中使用'>'作为结尾。

String name = "欣爸爸";
ByteArrayInputStream bais = new ByteArrayInputStream(name.getBytes());
ByteArrayOutputStream baos = new ByteArrayOutputStream();
asciiHex.encode(bais, baos, new COSDictionary(), 0);
log.d(baos.toString()); // E6ACA3E788B8E788B8

baos.reset();
bais = new ByteArrayInputStream("e6aCA3e788B8E788B8>".getBytes());
asciiHex.decode(bais, baos, new COSDictionary(), 0);
log.d(baos.toString()); // 欣爸爸

String name = "欣爸爸";
ascii85.encode(bais, baos, new COSDictionary(), 0);

baos.reset();
bais = new ByteArrayInputStream("k,b?@Lq)W(\\,~>".getBytes());
ascii85.decode(bais, baos, new COSDictionary(), 0);
log.d(baos.toString()); // 欣爸爸

从PDF1.5开始，还可以把多个Obj对象放到同一个stream对象中压缩，可进一步压缩文件大小。这也是为什么，我们分析PDF的时候Obj number不连续的原因，有些Obj被打包在一起了。

读到这里，你是否有点感觉了？Base64 / ASCIIHex / ASCII85 既没压缩数据，也没加密数据，有什么存在价值呢？这问题要从ASCII码谈起。一个字节的范围是从0000 0000 到 1111 1111，但这256个数据并不全是可显示字符，有些是控制字符。当以字符方式读文件的时候，这些控制字符不会被当作数据处理，而会变成换行或者退格，或者终止等。

把二进制文件数据，映射到一个可显示字符范围，在传输和处理过程中不会被误解，可以容易地反解出来，这可不是什么加密技术。仔细观察Base64、ASCII85包含一些编程语言的特殊字符，因此也有Base64和ASCII85的一些变种，把特殊符号换成其它字符。

以下是解析ASCIIHex的部分参考代码：

while (true) {
 int first = readHexDigit(); // 先读取一个Hex
 int second = readHexDigit();// 再读取一个Hex

 if (first == -1) { // Done
   break;
 } else if (second == -1) { // 如01110110 0010情况
   baos.write((byte) (first << 4));
   break;
 } else { // 合在一起
   baos.write((byte) ((first << 4) + second));
 }
}

下次，我们介绍压缩算法LZWDecode和FlateDecode。欢迎关注点赞~