Bounded Cross-Reference Recovery

HotPDF kan gendanne en ægte objektgraf og sidetræ, når en PDF mangler en gyldig startxref -deklaration eller har ubrugelige xref-rækker

Gendannelsessekvens

Den almindelige spec-overholdende loader køres først i standardtilstanden xrrmOnFailure -tilstand
Gendannelsen scanner kilden i 1 MiB-blokke med en kort overførsel mellem blokke og noterer validerede indirekte objekter og xref-ankre
Markører, der ligger indlejret i et valideret indirekte objekt, afvises, herunder strenge, kommentarer, ordbøger og binære strømdata, der indeholder tekst som 99 0 obj eller xref
Gyldige xref-tabeller eller -strømme prøves fra nyeste til ældste gennem den eksisterende inkrementelle, hybride og objektstrøm-loader
Højst 4.096 xref-sektionsankre fastholdes, så ondsindet markørgentagelse ikke kan multiplicere fortolkningsforsøg
Hvis ingen xref-sektion giver et ægte sidetræ, genopbygges direkte objektforskydninger, og duplikerede objektnumre bruger den nyeste fysiske definition
Gendannelsen lykkes kun, når en ægte Catalog, Pages-træ og mindst ét sideblad kan opløses

Deklarationer

type
  THPDFXRefRecoveryMode = (
    xrrmDisabled,
    xrrmOnFailure,
    xrrmForce
  );

  THPDFXRefRecoveryStatus = (
    xrrsNotNeeded,
    xrrsSucceeded,
    xrrsDisabled,
    xrrsScanLimitExceeded,
    xrrsObjectLimitExceeded,
    xrrsXRefLimitExceeded,
    xrrsFailed
  );

  THPDFXRefRecoveryMethod = (
    xrrmethodNone,
    xrrmethodRelocatedSection,
    xrrmethodRebuiltObjectOffsets
  );

  THPDFParserRecoveryConfidence = (
    prcNone,
    prcLow,
    prcMedium,
    prcHigh,
    prcVerified
  );

  THPDFParserRecoveryEvent = record
    Kind: THPDFParserRecoveryEventKind;
    Confidence: THPDFParserRecoveryConfidence;
    FirstByte: Int64;
    EndByte: Int64;
    ObjectNumber: Integer;
    GenerationNumber: Integer;
    Message: AnsiString;
  end;

  THPDFXRefMergeInfo = record
    HybridRevisionCount: Integer;
    HybridOverlapCount: Integer;
    OlderRevisionShadowedEntryCount: Integer;
    DuplicateEntryCount: Integer;
    NewestRevisionPrecedenceApplied: boolean;
    HybridStreamPrecedenceApplied: boolean;
  end;

property XRefRecoveryMode: THPDFXRefRecoveryMode;
property XRefRecoveryMaxScanBytes: Int64;
property XRefRecoveryMaxObjects: Integer;
property ParserRecoveryEventLimit: Integer;
property LoadedParserRecoveryEventCount: Integer;
property LoadedParserRecoveryEventDroppedCount: Integer;

function GetLoadedXRefRecoveryInfo(
  out Info: THPDFXRefRecoveryInfo
): boolean;

function GetLoadedParserRecoveryEvents:
  THPDFParserRecoveryEventArray;

function GetLoadedParserRecoveryEvent(
  Index: Integer;
  out EventInfo: THPDFParserRecoveryEvent
): boolean;

function GetLoadedXRefMergeInfo(
  out Info: THPDFXRefMergeInfo
): boolean;

function GetLoadedXRefIntegrityInfo(
  out Info: THPDFXRefIntegrityInfo
): boolean;

Configuration

Member	Default	Formål
`XRefRecoveryMode`	`xrrmOnFailure`	Deaktiverer gendannelse, kører den kun efter at almindelig fortolkning fejler, eller tvinger den igennem før almindelig fortolkning
`XRefRecoveryMaxScanBytes`	8 GiB	Hård maksimal kildestørrelse, som den blokopdelte gendannelsesscanning accepterer
`XRefRecoveryMaxObjects`	2,000,000	Hårdt maksimum for validerede indirekte objektkandidater, som gendannelsen accepterer
`ParserRecoveryEventLimit`	1,024	Maksimalt antal strukturerede hændelser, der fastholdes for én indlæsning, hvor nul deaktiverer hændelsesfastholdelse

Gendannelsesinformation

GetLoadedXRefRecoveryInfo returnerer True , når gendannelse blev forsøgt, og kopierer den seneste THPDFXRefRecoveryInfo record

Status adskiller success, deaktiveret gendannelse, fejl ved bytegrænse, fejl ved objektgrænse, fejl ved xref-ankergrænse og strukturel fejl
Method identificerer en flyttet xref-sektion eller genopbyggede direkte objektforskydninger
BytesScanned, CandidateObjectCount, RecoveredObjectCount, DuplicateObjectCount, RejectedCandidateCount, og XRefCandidateCount eksponerer afgrænset arbejde og gendannelseskvalitet
SelectedXRefOffset identificerer den flyttede sektion, når den metode lykkes
Diagnostic indeholder en kortfattet engelsk resultatbeskrivelse

Strukturerede gendannelseshændelser

GetLoadedParserRecoveryEvents returnerer et kalder-ejet snapshot af den fastholdte hændelsesstrøm, mens GetLoadedParserRecoveryEvent læser ét indslag uden at allokere en array-kopi

Kind adskiller forsøgs-, politik-, grænse-, objektkandidat-, xref-kandidat-, valgt sektion-, genopbyggede forskydnings-, success- og fejlhændelser
FirstByte er inklusiv, og EndByte er eksklusiv, med begge sat til -1 , når intet kildedområde findes
ObjectNumber og GenerationNumber identificerer indirekte objektkandidater og bruger -1 til dokumentniveau- eller xref-anker-hændelser
Confidence skrider frem fra prcNone gennem lave, mellem-, høje og verificerede udfald
LoadedParserRecoveryEventDroppedCount rapporterer hændelser, der er udeladt efter den konfigurerede fastholdelsesgrænse, og bevarer afgrænset hukommelse ved fjendtlige input

Forrangs-information om sammenlægning

GetLoadedXRefMergeInfo returnerer True , når xref-strøm- eller hybridreference-indlæsning stødte på sammenlægningstilstand, der er værd at rapportere

HybridRevisionCount tæller traditionelle revisioner, der bidrog med en sideordnet xref-strøm gennem /XRefStm
HybridOverlapCount tæller tabel-entry'er, der allerede var leveret af samme revisions xref-strøm, som har forrang
OlderRevisionShadowedEntryCount tæller entry'er, der blev ignoreret, fordi en nyere revision allerede havde defineret det objektnummer
DuplicateEntryCount tæller gentagne entry'er i den nyeste ikke-hybride sektion
De to forrangflag angiver, om den tilsvarende regel faktisk blev anvendt og ikke blot var tilgængelig

Integritetsinformation

GetLoadedXRefIntegrityInfo rapporterer den aktive fritlistekæde, ugyldige links, cyklusser, ukoblede frie entry'er, fejl i generationsovergange, duplikerede levende definitioner og ældre entry'er, der er overskygget af den nyeste revision

Skyggedetaljer omfatter aktive og afviste entrytyper, forskydninger eller lagerfelter, generationer og revisionsdybde med et fast detaljetag på 256 entry'er

Gemning af gendannede dokumenter

Et gendannet dokument bruger altid fuld-omskrivningsvejen i SaveLoadedDocument , selv når intet objekt blev redigeret, så HotPDF aldrig kopierer beskadigede kildebytes som et tilsyneladende repareret output

Eksempel

var
  Info: THPDFXRefRecoveryInfo;
  PDF: THotPDF;
begin
  PDF := THotPDF.Create(nil);
  try
    PDF.XRefRecoveryMode := xrrmOnFailure;
    PDF.XRefRecoveryMaxScanBytes := Int64(16) * 1024 * 1024 * 1024;
    PDF.XRefRecoveryMaxObjects := 3000000;
    if PDF.LoadFromFile('damaged.pdf') > 0 then
    begin
      if PDF.GetLoadedXRefRecoveryInfo(Info) then
        WriteLn(Info.Diagnostic);
      PDF.SaveLoadedDocument('recovered.pdf');
    end;
  finally
    PDF.Free;
  end;
end;