Bounded Cross-Reference Recovery

Το HotPDF μπορεί να ανακτήσει ένα πραγματικό γράφημα αντικειμένων και δέντρο σελίδων όταν ένα PDF έχει μια λείπουσα, άκυρη, ή stale δήλωση startxref ή μη usable xref rows

Ακολουθία ανάκτησης

1. Ο κανονικός compliant με την προδιαγραφή φορτωτής τρέχει πρώτα στην προεπιλεγμένη λειτουργία xrrmOnFailure
2. Η ανάκτηση σαρώνει την πηγή σε τμήματα 1 MiB με μια σύντομη μεταφορά μεταξύ τμημάτων και καταγράφει επικυρωμένα έμμεσα αντικείμενα και xref anchors
3. Οι δείκτες ένθετοι μέσα σε ένα επικυρωμένο έμμεσο αντικείμενο απορρίπτονται, συμπεριλαμβανομένων strings, σχολίων, λεξικών και binary stream data που περιέχουν κείμενο όπως 99 0 obj ή xref
4. Έγκυροι πίνακες ή ροές xref δοκιμάζονται από νεότερο προς παλαιότερο μέσω του υπάρχοντος incremental, hybrid και object-stream φορτωτή
5. Το πολύ 4.096 xref section anchors διατηρούνται, αποτρέποντας την εχθρική επανάληψη δεικτών από τον πολλαπλασιασμό των απόπειρων ανάλυσης
6. Αν καμία ενότητα xref δεν παράγει ένα πραγματικό δέντρο σελίδων, τα offsets έμμεσων αντικειμένων ανοικοδομούνται και οι διπλοί αριθμοί αντικειμένων χρησιμοποιούν τον νεότερο φυσικό ορισμό
7. Η ανάκτηση πετυχαίνει μόνο όταν ένα πραγματικό Catalog, δέντρο Pages και τουλάχιστον ένα page leaf επιλύονται

Δηλώσεις

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;

Διαμόρφωση

Πληροφορίες ανάκτησης

Η GetLoadedXRefRecoveryInfo επιστρέφει True όταν επιχειρήθηκε ανάκτηση και αντιγράφει την πιο πρόσφατη εγγραφή THPDFXRefRecoveryInfo

• Το Status διακρίνει επιτυχία, απενεργοποιημένη ανάκτηση, αποτυχία ορίου bytes, αποτυχία ορίου αντικειμένων, αποτυχία ορίου xref-anchor και δομική αποτυχία
• Το Method προσδιορίζει μια μετατοπισμένη ενότητα xref ή ανοικοδομημένα offsets έμμεσων αντικειμένων
• Τα BytesScanned, CandidateObjectCount, RecoveredObjectCount, DuplicateObjectCount, RejectedCandidateCount και XRefCandidateCount εκθέτουν οριοθετημένη εργασία και ποιότητα ανάκτησης
• Το SelectedXRefOffset προσδιορίζει τη μετατοπισμένη ενότητα όταν αυτή η μέθοδος πετυχαίνει
• Το Diagnostic περιέχει μια σύντομη αγγλική περιγραφή αποτελέσματος

Δομημένα συμβάντα ανάκτησης

Η GetLoadedParserRecoveryEvents επιστρέφει στιγμιότυπο της διατηρούμενης ροής συμβάντων που ανήκει στον καλούντα, ενώ η GetLoadedParserRecoveryEvent διαβάζει μία εγγραφή χωρίς να δεσμεύει αντίγραφο πίνακα

• Το Kind διακρίνει συμβάντα προσπάθειας, πολιτικής, ορίου, υποψηφίου αντικειμένου, υποψηφίου xref, επιλεγμένης ενότητας, ανοικοδομημένων offsets, επιτυχίας και αποτυχίας
• Το FirstByte είναι συμπεριληπτικό και το EndByte αποκλειστικό, με αμφότερα στο -1 όταν δεν υπάρχει περιοχή πηγής
• Τα ObjectNumber και GenerationNumber προσδιορίζουν υποψήφια έμμεσα αντικείμενα και χρησιμοποιούν -1 για συμβάντα επιπέδου εγγράφου ή xref-anchor
• Το Confidence εξελίσσεται από prcNone σε χαμηλά, μεσαία, υψηλά και επαληθευμένα αποτελέσματα
• Το LoadedParserRecoveryEventDroppedCount αναφέρει συμβάντα που παραλείφθηκαν μετά το ρυθμισμένο όριο διατήρησης, διατηρώντας οριοθετημένη μνήμη για εχθρικές εισόδους

Πληροφορίες προηγούχου συγχώνευσης

Η GetLoadedXRefMergeInfo επιστρέφει True όταν η φόρτωση xref-stream ή υβριδικής αναφοράς συνάντησε κατάσταση συγχώνευσης άξια αναφοράς

• Το HybridRevisionCount μετρά παραδοσιακές αναθεωρήσεις που συνείσφεραν μια side xref ροή μέσω /XRefStm
• Το HybridOverlapCount μετρά εγγραφές πίνακα ήδη παρεχόμενες από την xref ροή της ίδιας αναθεώρησης, που έχει προτεραιότητα
• Το OlderRevisionShadowedEntryCount μετρά εγγραφές που αγνοήθηκαν επειδή μια νεότερη αναθεώρηση όριζε ήδη αυτόν τον αριθμό αντικειμένου
• Το DuplicateEntryCount μετρά επαναλαμβανόμενες εγγραφές μέσα στη νεότερη μη υβριδική ενότητα
• Οι δύο σημαίες προηγούχου δηλώνουν αν ο αντίστοιχος κανόνας ασκήθηκε αντί να είναι απλώς διαθέσιμος

Πληροφορίες ακεραιότητας

Η GetLoadedXRefIntegrityInfo αναφέρει την ενεργή αλυσίδα ελεύθερης λίστας, άκυρους συνδέσμους, κύκλους, ασύνδετες ελεύθερες εγγραφές, σφάλματα μετάβασης γενιάς, διπλούς ενεργούς ορισμούς και παλαιότερες εγγραφές που επισκιάστηκαν από τη νεότερη αναθεώρηση

Η λεπτομέρεια επισκιασμένων εγγραφών περιλαμβάνει ενεργούς και απορριφθέντες τύπους εγγραφών, offsets ή πεδία αποθήκευσης, γενιές και βάθος αναθεώρησης, με σταθερό ανώτατο όριο 256 λεπτομερειών

Αποθήκευση ανακτημένων εγγράφων

Ένα ανακτημένο έγγραφο χρησιμοποιεί πάντα τη διαδρομή πλήρους ξanaγράμματος στο SaveLoadedDocument, ακόμη και όταν κανένα αντικείμενο δεν τροποποιήθηκε, ώστε το HotPDF να μην αντιγράφει ποτέ κατεστραμμένα bytes πηγής ως μια φαινομενικά επισκευασμένη έξοδο

Παράδειγμα

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;

Σχετικά API

• LoadFromFile
• LoadFromStream
• SaveLoadedDocument
• GetLoadedFileStructureInfo