什么是 PDF？格式基础解析

PDF 由 Adobe Systems 于 1993 年发明。目标简单却雄心勃勃：一种单一文件格式，无论用哪台计算机、操作系统或打印机查看，都能完全按作者意图保留文档的字体、图像、图形和布局。"Portable Document Format"这一名称正反映了这种雄心。

在最初的十年里，PDF 是 Adobe 的专有格式。2008 年它作为开放国际标准 ISO 32000-1 发布，管理权移交给国际标准化组织（ISO）。如今任何人都可以构建读写 PDF 的软件而无需支付版税。修订版 ISO 32000-2（PDF 2.0） 于 2020 年发布，在不破坏现有文件的前提下澄清了许多边界情况。

PDF 解决了早期格式无法解决的真实问题。在另一台计算机上打开的 Word 文档可能会重排、替换字体并改变分页。网页则依赖于浏览器和屏幕尺寸。相比之下，PDF 是固定布局文档：第 3 页在任何地方都是第 3 页的样子。

这种可靠性使 PDF 成为合同、发票、研究论文、政府表格、电子书以及任何用于打印或归档的文档的默认选择。免费的阅读器（Adobe Acrobat Reader，以及后来的浏览器和操作系统）让查看变得无摩擦。如今，每个主流操作系统都能在不安装额外软件的情况下打开 PDF。

PDF 是由四部分组成的结构化文本与二进制文件：

• 头 — 声明 PDF 版本的单行（例如 %PDF-1.7）。
• 体 — 一系列编号对象，描述页面、字体、图像、文本流和元数据。每个对象独立，可按任意顺序读取。
• 交叉引用表 — 给出每个对象字节偏移的索引，使阅读器无需扫描整个文件就能直接跳到任意对象。
• 尾 — 指向交叉引用表和根对象（文档目录），让阅读器知道从哪里开始。

这种设计正是 PDF 可以很大却仍能快速打开的原因：交叉引用表让阅读器只取所需的对象。这也解释了为何增量更新可行 — 编辑 PDF 时，可以追加新对象和新的交叉引用段，而无需重写整个文件。

头中的版本号（%PDF-1.x 或 %PDF-2.0）告诉阅读器文件可能使用哪些特性。现实中的大多数 PDF 是 1.4 到 1.7。版本 1.5 引入了对象流和交叉引用流以减小文件体积。1.6 增加了 3D 内容和更丰富的加密。1.7（ISO 32000-1 的基础）整合了一切。PDF 2.0 清理了规范，但在实践中仍不常见。

日常使用中，版本很少重要。现代阅读器都能处理。更重要的是对象内部的内容：嵌入字体、图像压缩和元数据。