PDF 那些事

空無發表於2022-02-14

最近幾個月幹了不少 PDF 相關的活，趁著這兩天不忙，記錄一下相關的知識點。

PDF是 Portable Document Format的簡稱，翻譯過來是“可攜帶文件格式”，由 Adobe於1992年建立。其格式特點是，與作業系統平臺無關，在任意平臺上都可以保持相同的渲染效果。
​

至於這個平臺無關嘛……倒不如說是格式簡單，各平臺都遵循同一標準，再加上標準的公開，自然就做到了平臺無關性。

發展史

PDF 從建立之後，一直是 Adobe 公司的專有格式，直到2008年，才成為正式的ISO（ISO 32000）標準。
​

雖然 PDF 檔案已經成為了標準， 但 Adobe 作為 PDF 的鼻祖，還是弄了些私有的功能，比如 XFA（Adobe PDF 表單），這玩意就不屬於 ISO 32000 PDF標準。

國產格式 - OFD

和 PDF 類似的，還有 OFD （Open Fixed-layout Documents）格式，算是“國產PDF”標準，由中國國家標準化管理委員會於2016年正式釋出。

和 PDF 格式相比，OFD 格式更簡單，更易於實現，而且支援國密，不過目前使用的很少。

字型

常見的 Office 格式裡，字型預設都是非內嵌的，非內嵌字型可以避免重複儲存相同的字型，只需要渲染裝置上安裝對應字型就行；但劣勢也很明顯，如果客戶裝置上沒有對應的字型，就會導致無法渲染，使用替代字型的話，又會影響渲染效果。
​

而 PDF 在字型的處理上和 Office 有所不同，PDF 預設使用內嵌字型的方式，而且還是內嵌字型的子集 - 只把檔案中使用的字元字型給嵌入到PDF檔案中，並不會將整個字型庫嵌入。這樣一來，即時內嵌了字型，也不會過多的增加檔案大小。

字型加密

某些文件為了資料安全，提供 PDF 格式的資料供查閱，但又不想讓使用者隨意複製文字。
​

此時 PDF 內嵌字型的好處就體現出來了，基於字型混淆 & 加密技術，讓當前 PDF 使用混淆 & 加密後的字型庫。這樣就算公開提供了 PDF 檔案，客戶複製後的文字也是混淆後的，也算保障了資料安全。
​

不過現在 OCR 這麼強大，混淆字型後，仍然可以通過 OCR 的手段去識別，只是需要多花費一些精力而已。

電子簽名 & 數字簽名

電子簽名 - Electronic Signature

美國 《全球和國家商業電子簽名法》 （2000年）將“電子簽名”定義為“附在合同上或通過電子方式生成，傳送，傳達，接收或儲存的其他記錄或與之邏輯關聯的電子聲音，符號或過程。”

實際上，電子簽名只是將手寫簽名的圖片，附在電子文件上，然後配合一些多因素身份驗方式（PIN/密碼/郵箱）證來完成。

數字簽名 - Digital Signature

數字簽名和電子簽名不同，數字簽名需要配合 PKI 認證中心（CA）頒發的數字證照實現，基本玩法是這樣：

  1. 對內容使用摘要演算法（如MD/SHA等）生成摘要
  2. 使用非對稱加密演算法+證照私鑰對摘要進行加密
  3. 將加密的摘要資料，和簽名的證照（公鑰部分）附在PDF檔案中

從上面的步驟可以看出，PDF 數字簽名和 SSL 加密並不一樣，PDF 本質上是對檔案“簽名”，可以保證檔案簽名者的身份，保證不可篡改，而 SSL 是對報文進行加密。
​

下圖是非對稱加密演算法下，加密和數字簽名的區別：
image.png
總結一下，非對稱加密演算法的主流應用就兩種：公鑰加密 -> 私鑰解密，私鑰加密 -> 公鑰驗籤。
​

PDF 數字簽名還有個特殊的玩法，可以將數字簽名資訊和圖片進行“繫結”，比如電子發票裡的簽章（Stamp）圖片，這個圖片可以作為數字簽名的外觀（Appearance）。
image.png
​

如果不使用外觀，只進行數字簽名當然也是可以的。不過記住一點：有簽章圖片不一定有數字簽名，有數字簽名也不一定有簽章圖片，這倆不是一個東西。
​

其實不止是 PDF 檔案才可以數字簽名，微軟家的 Office 套件也是支援數字簽名的，但一般沒人會對 Office 格式的檔案簽名，所以市面上能見到的都是對 PDF 數字簽名。

簽名驗證

PDF 簽名驗證的原理也很簡單：

  1. 驗證PDF 的簽名證照是否受信

    1. 使用客戶端根證照庫（比如Adobe PDF，會使用內建的根證照列表，和作業系統無關），驗證簽名證照是否受信

  2. 通過證照的公鑰，對簽名後的摘要資料進行驗籤。

    證照 & 簽名演算法

    PDF 數字簽名所使用的證照型別，和 SSL 是不一樣的。普通 SSL 的證照驗證域名所有者就可以了，而 PDF 數字簽名所使用的證照一般稱為機構證照，沒有域名的概念，但會嚴格的驗證企業資訊，如營業許可證等等。
    ​

目前主流的數字證照非對稱加密演算法有RSA/DSA/DSS，但應用最廣的還是 RSA 演算法，不過隨著國產化的趨勢，金融保險等行業慢慢的遷移到國密演算法了。
​

不過演算法不重要，都是非對稱加密，都是數字證照，只是具體簽名/驗籤/加密/解密的演算法不同而已。

表單域 - Acro Form

表單域就是指 PDF 表單，英文定義叫 Acro Form。是的你沒看錯，PDF 也有和 HTML 類似的表單技術，表單裡可以配置文字域、單選框、核取方塊等元素：

image.png

編輯好了 PDF 表單之後，就可以通過工具或程式，對PDF進行填充或者填寫了。

PDF 庫（JAVA）

PDF 技術還是比較封閉的，開源庫用起來會非常不爽，如果企業商用的話，儘量還是考慮買商業 SDK，功能豐富，文件完善，花錢買時間。

開源 & 免費

  • Itext - 4.x 版本以下免費，5以上的版本開源許可為AGPL，商用需要付費
  • Openpdf - 基於 itext 2.x 版本修復，還是Itext
  • pdfbox - Apache 下開源的 PDF 庫，雖然免費，但功能遠不如 Itext，不推薦使用。

還有一些更小眾的PDF庫，這裡就不推薦了。目前使用最多的是 itext，pdfbox 雖然完全開源免費，但功能和文件豐富程度遠不及 itext。

商業

  • Itext 7 - 有 JAVA 和 C# 兩個版本，功能全，文件完善，基本能滿足你對PDF的所有要求。
  • Aspose.PDF - 提供了多語言的 SDK，功能強大，文件也比較豐富
  • Spire.PDF - 提供了多語言的 SDK，功能強大，文件也比較豐富，而且不只是PDF，還支援Office全家桶，在國內也有經銷商
  • Adobe PDF Library SDK - Adobe 自家的 PDF SDK，功能肯定是最全的，支援多語言
  • Datalogics PDF Java Toolkit - Datalogics 是 Adobe PDF Library 的代理商，同時自己也提供了另一個版本的 PDF SDK

PDF 工具

PDF 工具市面上一大堆，下面列出一些主流的功能完善的 GUI 工具（閱讀、編輯、轉換、簽名）：

  • Adobe Acrobat- PDF 的鼻祖，最強 PDF 工具，沒有之一
  • 福昕 - 國產老牌 PDF 軟體
  • 萬興PDF
  • 迅捷辦公
  • small pdf - 良心的 PDF 線上工具網站，編輯、轉換等功能都有，相容性也很好，而且每天有一定免費配額

參考

​

相關文章