Bounded Cross-Reference Recovery

‏HotPDF وقتی PDF اعلان startxref غایب، نامعتبر یا کهنه دارد یا ردیف‌های xref غیرقابل استفاده‌اند، می‌تواند گراف شیء و درخت صفحهٔ واقعی را بازیابی کند

توالی بازیابی

بارگذار سازگار با مشخصه در حالت پیش‌فرض xrrmOnFailure ابتدا اجرا می‌شود
بازیابی مبدأ را در قطعه‌های 1 MiB با حامل کوتاه بین قطعه‌ها پویش می‌کند و اشیاء غیرمستقیم و لنگرگاه‌های xref اعتبارسنجی‌شده را ثبت می‌کند
نشانگرهای تودرتو درون شیء غیرمستقیم معتبر رد می‌شوند، از جمله رشته‌ها، توضیح‌ها، دیکشنری‌ها و دادهٔ باینری جریان شامل متنی مثل 99 0 obj یا xref
جدول‌ها یا جریان‌های xref معتبر از جدیدترین به قدیمی‌ترین از طریق بارگذار موجود افزایشی، ترکیبی و object-stream آزموده می‌شوند
حداکثر 4,096 لنگرگاه بخش xref نگه داشته می‌شود تا تکرار خصمانهٔ نشانگرها نتواند تلاش‌های تجزیه را چند برابر کند
اگر هیچ بخش xref درخت صفحهٔ واقعی تولید نکند، آفست‌های اشیاء مستقیم بازسازی می‌شوند و شماره‌های شیء تکراری از جدیدترین تعریف فیزیکی استفاده می‌کنند
بازیابی فقط وقتی موفق می‌شود که کاتالوگ واقعی، درخت Pages و دست‌کم یک برگ صفحه حل شود

اعلان‌ها

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;

پیکربندی

عضو	پیش‌فرض	هدف
`XRefRecoveryMode`	`xrrmOnFailure`	بازیابی را غیرفعال می‌کند، فقط پس از شکست تجزیه عادی اجرایش می‌کند یا پیش از تجزیه عادی آن را اجباری می‌کند
`XRefRecoveryMaxScanBytes`	‏8 GiB	بیشینهٔ سخت اندازهٔ مبدأ پذیرفته‌شده توسط پویش بازیابی قطعه‌ای
`XRefRecoveryMaxObjects`	2,000,000	بیشینهٔ سخت نامزدهای شیء غیرمستقیمِ اعتبارسنجی‌شدهٔ پذیرفته‌شده توسط بازیابی
`ParserRecoveryEventLimit`	1,024	بیشینهٔ رخدادهای ساختاری نگه‌داشته‌شده برای یک بار بارگذاری؛ مقدار صفر نگه‌داری رخدادها را غیرفعال می‌کند

اطلاعات بازیابی

GetLoadedXRefRecoveryInfo True وقتی بازیابی تلاش شده باشد THPDFXRefRecoveryInfo برمی‌گرداند و جدیدترین رکورد را کپی می‌کند

Status موفقیت، بازیابی غیرفعال، شکست حد بایت، شکست حد شیء، شکست حد لنگرگاه xref و شکست ساختاری را تفکیک می‌کند
Method بخش xref جابه‌جاشده یا آفست‌های بازسازی‌شدهٔ اشیاء مستقیم را شناسایی می‌کند
BytesScanned CandidateObjectCount، RecoveredObjectCount، DuplicateObjectCount، RejectedCandidateCount، XRefCandidateCount و کار محدودشده و کیفیت بازیابی را در معرض دید می‌گذارند
SelectedXRefOffset وقتی آن متد موفق شود بخش جابه‌جاشده را شناسایی می‌کند
Diagnostic توضیح مختصر نتیجه به انگلیسی دارد

رخدادهای بازیابی ساختاریافته

GetLoadedParserRecoveryEvents GetLoadedParserRecoveryEvent تصویر لحظه‌ای در مالکیت فراخواننده از جریان رخداد نگه‌داشته‌شده برمی‌گرداند، در حالی که بدون تخصیص کپی آرایه یک مدخل را می‌خواند

Kind رخدادهای تلاش، سیاست، حد، نامزد شیء، نامزد xref، بخش انتخابی، آفست‌های بازسازی‌شده، موفقیت و شکست را تفکیک می‌کند
FirstByte EndByte شامل‌کننده است و -1 غیرشامل، و وقتی بازهٔ مبدأ وجود ندارد هر دو هستند
ObjectNumber GenerationNumber و -1 نامزدهای شیء غیرمستقیم را شناسایی می‌کنند و برای رخدادهای سطح سند یا لنگرگاه xref از استفاده می‌کنند
Confidence prcNone از به نتایج کم، متوسط، بالا و تأییدشده پیش می‌رود
LoadedParserRecoveryEventDroppedCount رخدادهای حذف‌شده پس از حد نگه‌داری پیکربندی‌شده را گزارش می‌کند و حافظه را روی ورودی‌های خصمانه محدود نگه می‌دارد

اطلاعات اولویت ادغام

GetLoadedXRefMergeInfo True وقتی بارگذاری xref-stream یا مرجع ترکیبی وضعیت ادغامِ ارزش گزارشی داشته باشد برمی‌گرداند

HybridRevisionCount بازبینی\u200cهای سنتی که از طریق /XRefStm یک جریان xref جانبی داده\u200cاند را می\u200cشمارد
HybridOverlapCount مدخل‌های جدولی که قبلاً توسط جریان xref همان بازبینی تأمین شده‌اند و اولویت دارند را می‌شمارد
OlderRevisionShadowedEntryCount مدخل‌هایی را که چون بازبینی جدیدتری آن شماره شیء را تعریف کرده نادیده گرفته شده‌اند می‌شمارد
DuplicateEntryCount مدخل‌های تکراری درون جدیدترین بخش غیرترکیبی را می‌شمارد
دو پرچم اولویت بیان می‌کنند آیا قاعدهٔ مربوطه اعمال شده است یا فقط در دسترس بوده

اطلاعات یکپارچگی

GetLoadedXRefIntegrityInfo زنجیرهٔ فعال فهرست آزاد، پیوندهای نامعتبر، چرخه‌ها، مدخل‌های آزاد بدون پیوند، خطاهای گذار generation، تعاریف زندهٔ تکراری و مدخل‌های قدیمی‌تر سایه‌شده توسط جدیدترین بازبینی را گزارش می‌کند

جزئیات سایه‌شده شامل نوع مدخل فعال و رد‌شده، آفست یا فیلد ذخیره‌سازی، generationها و عمق بازبینی است، با سقف ثابت 256 مدخل جزئیات

ذخیرهٔ اسناد بازیابی‌شده

سند بازیابی‌شده همیشه در SaveLoadedDocument از مسیر بازنویسی کامل استفاده می‌کند، حتی وقتی هیچ شیء ویرایش نشده، تا HotPDF هرگز بایت‌های مبدأ آسیب‌دیده را به‌عنوان خروجی ظاهراً تعمیرشده کپی نکند

نمونه

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;