PDF是Portable Document Format 的缩写，可翻译为“便携文件格式”，由Adobe System Incorporated 公司在1992年发明。
PDF文件是一种编程形式的文档格式，它所有显示的内容，都是通过相应的操作符进行绘制的。
PDF基本显示单元包括：文字，图片，矢量图，图片
PDF扩展单元包括：水印，电子署名，注释，表单，多媒体，3D
PDF动作单元：书签，超链接（拥有动作的单元有很多个，包括电子署名，多媒体等等）
根据PDF官方指南，理解PDF格式可以从四个方面下手——Objects（对象）、File structure（物理文件结构）、Document structure（逻辑文件结构）、Content streams（内容流）。
对象类别（续）
name 由一个前导/和后面一系列字符组成，最大长度为127。和string不同的是，name是不可分割的并且是唯一的，不可分割就是说一个name对象就是一个原子，比如/name，不能说n就是这个name的一个元素；唯一就是指两个相同的name一定代表同一个对象。从pdf1.2开始，除了ascii的0，别的都可以用一个#加两个十六进制的数字表示。 例: /name 表示name /name#20is 表示name is /name#200 表示name 0
array 用[]包含的一组对象，可以是任何pdf对象(包括array)。虽然pdf只支持一维array，但可以通过array的嵌套实现任意维数的array(但是一个array的元素不能超过8191)。 例：[549 3.14 false (Ralph) /SomeName]
Dictionary 用"<<“和”>>"包含的若干组条目，每组条目都由key和value组成，其中key必须是name对象，并且一个dictionary内的key是唯一的；value可以是任何pdf的合法对象(包括dictionary对象)。 例：
<< /IntegerItem 12 /StringItem (a string) /Subdictionary << /Item1 0.4 /Item2 true /LastItem (not!) /VeryLastItem (OK) >> >>stream 由一个字典和紧跟其后面的一组关键字stream和endstream以及这组关键字中间包含一系列字节组成。内容和string很相似，但有区别：stream可以分几次读取，分开使用不同的部分，string必须作为一个整体一次全部读取使用；string有长度限制，但stream却没有这个限制。一般较大的数据都用stream表示。需要注意的是，stream必须是间接对象，并且stream的字典必须是直接对象。从1.2规范以后，stream可以以外部文件形式存在，这种情况下，解析PDF的时候stream和endstream之间的内容就被忽略掉。 例:
dictionary stream …data… endstreamstream字典中常用的字段如下：
字段名类型值Length整形（必须）关键字stream和endstream之间的数据长度，endstream之前可能会有一个多余的EOL标记，这个不计算在数据的长度中。Filter名字 或 数组（可选）Stream的编码算法名称（列表）。如果有多个，则数组中的编码算法列表顺序就是数据被编码的顺序。DecodeParms字典 或 数组（可选)一个参数字典或由参数字典组成的一个数组，供Filter使用。如果仅有一个Filter并且这个Filter需要参数，除非这个Filter的所有参数都已经给了默认值，否则的话 DecodeParms必须设置给Filter。如果有多个Filter，并且任意一个Filter使用了非默认的参数， DecodeParms 必须是个数组，每个元素对应一个Filter的参数列表（如果某个Filter无需参数或所有参数都有了默认值，就用空对象代替）。 如果没有Filter需要参数，或者所有Filter的参数都有默认值，DecodeParms 就被忽略了。F文件标识（可选)保存stream数据的文件。如果有这个字段， stream和endstream就被忽略，FFilter将会代替Filter, FDecodeParms将代替DecodeParms。Length字段还是表示stream和endstream之间数据的长度，但是通常此刻已经没有数据了，长度是0.FFilter名字 或 字典(可选)和filter类似，针对外部文件。FDecodeParms字典 或 数组(可选)和DecodeParams类似，针对外部文件。Stream的编码算法名称（列表）。如果有多个，则数组中的编码算法列表顺序就是数据被编码的顺序。且需要被编码。编码算法主要如下： 编码可视化主要显示为乱码，所以提供了隐藏信息的机会,如下图的steam内容为乱码。
NULL 用null表示，代表空。如果一个key的值为null，则这个key可以被忽略；如果引用一个不存在的object则等价于引用一个空对象。
catalog是整个PDF逻辑结构的根节点，这个可以通过trailer的Root字段定位，虽然简单，但是相当重要，因为这里是PDF文件物理结构和逻辑结构的连接点。Catalog字典包含的信息非常多，这里仅就最主要的几个字段做个说明。
Pages字段 这是个必须字段，是PDF里面所有页面的描述集合。Pages字段本身是个字典，它里面又包含了一下几个主要字段： 字段类型值Typename(必须)只能为Pages 。Parentdictionary(如果不是catalog里面指定的跟节点，则必须有，并且必须是间接对象) 当前节点的直接父节点。Kidsarray(必须)一个间接对象组成的数组，节点可能是page或page tree。Countinteger(必须) page tree里面所包含叶子节点（page 对象）的个数。从以上字段可以看出，Pages最主要的功能就是组织所有的page对象。Page对象描述了一个PDF页面的属性、资源等信息。Page对象是一个字典，它主要包含一下几个重要的属性：
字段类型值Typename(必须)必须是Page。Parentdictionary(必须；并且只能是间接对象)当前page节点的直接父节点page tree 。LastModifieddate(如果存在PieceInfo字段，就必须有，否则可选)记录当前页面被最后一次修改的日期和时间。Resourcesdictionary(必须; 可继承)记录了当前page用到的所有资源。如果当前页不用任何资源，则这是个空字典。忽略所有字段则表示继承父节点的资源。MediaBoxrectangle(必须; 可继承)定义了要显示或打印页面的物理媒介的区域（default user space units）CropBoxrectangle(可选; 可继承)定义了一个可视区域，当前页被显示或打印的时候，它的内容会被这个区域裁剪。默认值就是 MediaBox。BleedBoxrectangle(可选) 定义了一个区域，当输出设备是个生产环境（ production environment）的时候，页面显示的内容会被裁剪。默认值是 CropBox.Contentsstream or array(可选) 描述页面内容的流。如果这个字段缺省，则页面上什么也不会显示。这个值可以是一个流，也可以是由几个流组成的一个数组。如果是数组，实际效果相当于所有的流是按顺序连在一起的一个流，这就允许PDF生成的时候可以随时插入图片或其他资源。流之间的分割只是词汇上的一个分割，并不是逻辑上或者组织形式的切割。Rotateinteger(可选; 可继承) 顺时钟旋转的角度数，这个必须是90的整数倍，默认是0。Thumbstream(可选)定义当前页的缩略图。Annotsarray(可选) 和当前页面关联的注释。Metadatastream(可选) 当前页包含的元数据。一个简单例子：
3 0 obj << /Type /Page /Parent 4 0 R /MediaBox [ 0 0 612 792 ] /Resources <</Font<< /F3 7 0 R /F5 9 0 R /F7 11 0 R >> /ProcSet [ /PDF ] >> /Contents 12 0 R /Thumb 14 0 R /Annots [ 23 0 R 24 0 R] >> endobj Outlines字段 Outline是PDF里面为了方便用户从PDF的一部分跳转到另外一部分而设计的，有时候也叫书签（Bookmark），它是一个树状结构，可以直观的把PDF文件结构展现给用户。用户可以通过鼠标点击来打开或者关闭某个outline项来实现交互，当打开一个outline时，用户可以看到它的所有子节点，关闭一个outline的时候，这个outline的所有子节点会自动隐藏。并且，在点击的时候，阅读器会自动跳转到outline对应的页面位置。Outlines包含以下几个字段： 字段类型值Typename(可选)如果这个字段有值，则必须是Outlines。Firstdictionary(必须;必须是间接对象) 第一个顶层Outline item。Lastdictionary(必须;必须是间接对象)最后一个顶层outline item。Countinteger(必须)outline的所有层次的item的总数。Outline是一个管理outline item的顶层对象，我们看到的，其实是outline item，这个里面才包含了文字、行为、目标区域等等。一个outline item主要有一下几个字段：
字段类型值Titletext string(必须)当前item要显示的标题。Parentdictionary(必须;必须是间接对象) outline层级中，当前item的父对象。如果item本身是顶级item，则父对象就是它本身。Prevdictionary(除了每层的第一个item外，其他item必须有这个字段;必须是间接对象)当前层级中，此item的前一个item。Nextdictionary(除了每层的最后一个item外，其他item必须有这个字段;必须是间接对象)当前层级中，此item的后一个item。Firstdictionary(如果当前item有任何子节点，则这个字段是必须的;必须是间接对象) 当前item的第一个直接子节点。Lastdictionary(如果当前item有任何子节点，则这个字段是必须的;必须是间接对象) 当前item的最后一个直接子节点。Destname,byte string, or array(可选; 如果A字段存在，则这个不能被会略)当前的outline item被激活的时候，要显示的区域。Adictionary(可选; 如果Dest 字段存在，则这个不能被忽略)当前的outline item被激活的时候，要执行的动作。 URI字段 URI（uniform resource identifier)，定义了文档级别的统一资源标识符和相关链接信息。目录和文档中的链接就是通过这个字段来处理的.Metadata字段 文档的一些附带信息，用xml表示，符合adobe的xmp规范。这个可以方便程序不用解析整个文件就能获得文件的大致信息。其他 Catalog字典中，常用的字段一般有以下一些： 字段类型值Typename(必须)必须为Catalog。Versionname(可选)PDF文件所遵循的版本号（如果比文件头指定的版本号高的话）。如果这个字段缺省或者文件头指定的版本比这里的高，那就以文件头为准。一个PDF生成程序可以通过更新这个字段的值来修改PDF文件版本号。Pagesdictionary(必须并且必须为间接对象)当前文档的页面集合入口。PageLabelsnumber tree(可选) number tree，定义了页面和页面label对应关系。Namesdictionary(可选)文档的name字典。Destsdictionary(可选;必须是间接对象)name和相应目标对应关系字典。ViewerPreferencesdictionary(可选)阅读参数配置字典，定义了文档被打开时候的行为。如果缺省，则使用阅读器自己的配置。PageLayoutname(可选) 指定文档被打开的时候页面的布局方式。SinglePageDisplay 单页OneColumnDisplay 单列TwoColumnLeftDisplay 双列，奇数页在左TwoColumnRightDisplay 双列，奇数页在右TwoPageLeft 双页，奇数页在左TwoPageRight 双页，奇数页在右缺省值: SinglePage.PageModename(可选) 当文档被打开时，指定文档怎么显示UseNone 目录和缩略图都不显示UseOutlines 显示目录UseThumbs 显示缩略图FullScreen 全屏模式，没有菜单，任何其他窗口UseOC 显示Optional content group 面板UseAttachments显示附件面板缺省值: UseNone.Outlinesdictionary(可选；必须为间接对象)文档的目录字典Threadsarray(可选；必须为间接对象)文章线索字典组成的数组。OpenActionarray or dictionary(可选) 指定一个区域或一个action，在文档打开的时候显示（区域）或者执行（action）。如果缺省，则会用默认缩放率显示第一页的顶部。AAdictionary(可选)一个附加的动作字典，在全局范围内定义了响应各种事件的action。URIdictionary(可选)一个URI字典包含了文档级别的URI action信息。AcroFormdictionary(可选)文档的交互式form (AcroForm)字典。Metadatastream(可选;必须是间接对象)文档包含的元数据流。