Begrenzte Cross-Reference-Wiederherstellung

HotPDF kann einen echten Objektgraphen und Seitenbaum wiederherstellen, wenn ein PDF eine fehlende, ungültige oder veraltete startxref-Deklaration oder unbrauchbare Xref-Zeilen hat

Wiederherstellungssequenz

1. Der normale spezifikationskonforme Loader läuft zuerst im Standard-xrrmOnFailure-Modus
2. Die Wiederherstellung scannt die Quelle in 1-MiB-Chunks mit einem kurzen Übertrag zwischen Chunks und zeichnet validierte indirekte Objekte und Xref-Anker auf
3. Marker, die innerhalb eines validierten indirekten Objekts verschachtelt sind, werden abgelehnt, einschließlich Strings, Kommentare, Wörterbücher und binäre Stream-Daten, die Text wie 99 0 obj oder xref enthalten
4. Gültige Xref-Tabellen oder Streams werden vom neuesten zum ältesten über den vorhandenen inkrementellen, hybriden und Objekt-Stream-Loader versucht
5. Höchstens 4.096 Xref-Abschnitts-Anker werden zurückbehalten, was verhindert, dass adversarielle Marker-Wiederholung Parse-Versuche multipliziert
6. Wenn kein Xref-Abschnitt einen echten Seitenbaum erzeugt, werden direkte Objekt-Offsets wieder aufgebaut und doppelte Objektnummern verwenden die neueste physische Definition
7. Die Wiederherstellung gelingt nur, wenn ein echter Katalog, ein Pages-Baum und mindestens ein Seiten-Blatt auflösen

Deklarationen

type
  THPDFXRefRecoveryMode = (
    xrrmDisabled,
    xrrmOnFailure,
    xrrmForce
  );

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

  THPDFXRefRecoveryMethod = (
    xrrmethodNone,
    xrrmethodRelocatedSection,
    xrrmethodRebuiltObjectOffsets
  );

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

property XRefRecoveryMode: THPDFXRefRecoveryMode;
property XRefRecoveryMaxScanBytes: Int64;
property XRefRecoveryMaxObjects: Integer;

function GetLoadedXRefRecoveryInfo(
  out Info: THPDFXRefRecoveryInfo
): boolean;

function GetLoadedXRefMergeInfo(
  out Info: THPDFXRefMergeInfo
): boolean;

Konfiguration

Wiederherstellungsinformationen

GetLoadedXRefRecoveryInfo gibt True zurück, wenn eine Wiederherstellung versucht wurde, und kopiert den neuesten THPDFXRefRecoveryInfo-Datensatz

• Status unterscheidet Erfolg, deaktivierte Wiederherstellung, Byte-Limit-Fehlschlag, Objekt-Limit-Fehlschlag, Xref-Anker-Limit-Fehlschlag und strukturellen Fehlschlag
• Method identifiziert einen verlagerten Xref-Abschnitt oder wieder aufgebaute direkte Objekt-Offsets
• BytesScanned, CandidateObjectCount, RecoveredObjectCount, DuplicateObjectCount, RejectedCandidateCount und XRefCandidateCount legen begrenzte Arbeit und Wiederherstellungsqualität offen
• SelectedXRefOffset identifiziert den verlagerten Abschnitt, wenn diese Methode erfolgreich ist
• Diagnostic enthält eine prägnante englische Ergebnisbeschreibung

Strukturierte Wiederherstellungsereignisse

GetLoadedParserRecoveryEvents liefert einen Snapshot des vorgehaltenen Ereignis-Streams im Eigentum des Aufrufers, während GetLoadedParserRecoveryEvent einen Eintrag liest, ohne eine Array-Kopie zu allokieren

• Kind unterscheidet Versuch-, Policy-, Limit-, Objektkandidat-, XRef-Kandidat-, gewählte-Sektion-, neu-aufgebaute-Offsets-, Erfolgs- und Fehlerereignisse
• FirstByte ist inklusiv, EndByte exklusiv; beide stehen auf -1, wenn kein Quellbereich existiert
• ObjectNumber und GenerationNumber identifizieren Kandidaten für indirekte Objekte und verwenden -1 für Dokument- oder XRef-Anker-Ereignisse
• Confidence durchläuft prcNone bis zu niedrigen, mittleren, hohen und verifizierten Ergebnissen
• LoadedParserRecoveryEventDroppedCount meldet Ereignisse, die nach dem konfigurierten Vorhalte-Limit fortgelassen wurden, und hält so den Speicher bei feindlichen Eingaben begrenzt

Informationen zur Merge-Präzedenz

GetLoadedXRefMergeInfo gibt True zurück, wenn Xref-Stream- oder Hybrid-Referenz-Laden auf Merging-Zustand stieß, der berichtenswert ist

• HybridRevisionCount zählt traditionelle Revisionen, die einen Seiten-Xref-Stream über /XRefStm beigetragen haben
• HybridOverlapCount zählt Tabelleneinträge, die bereits vom Xref-Stream derselben Revision geliefert wurden, der Vorrang hat
• OlderRevisionShadowedEntryCount zählt Einträge, die ignoriert wurden, weil eine neuere Revision diese Objektnummer bereits definiert hat
• DuplicateEntryCount zählt wiederholte Einträge innerhalb des neuesten nicht-hybriden Abschnitts
• Die beiden Vorrang-Flags geben an, ob die entsprechende Regel ausgeübt wurde, anstatt nur verfügbar zu sein

Integritätsinformationen

GetLoadedXRefIntegrityInfo meldet die aktive Free-List-Kette, ungültige Verweise, Zyklen, nicht verknüpfte freie Einträge, Generationsübergangs-Fehler, doppelte lebende Definitionen und ältere Einträge, die von der neuesten Revision überdeckt werden

Überdeckt-Details umfassen aktive und zurückgewiesene Eintragstypen, Offsets oder Speicherfelder, Generationen und Revisionstiefe, mit fester Detail-Obergrenze von 256 Einträgen

Speichern wiederhergestellter Dokumente

Ein wiederhergestelltes Dokument verwendet immer den vollständigen Umschreib-Pfad in SaveLoadedDocument, selbst wenn kein Objekt bearbeitet wurde, sodass HotPDF niemals beschädigte Quell-Bytes als scheinbar reparierte Ausgabe kopiert

Beispiel

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;

Verwandte APIs

• LoadFromFile
• LoadFromStream
• SaveLoadedDocument
• GetLoadedFileStructureInfo