Récupération bornée des références croisées

HotPDF peut récupérer un véritable graphe d’objets et une arborescence de pages lorsqu’un PDF présente une déclaration startxref manquante, invalide ou obsolète, ou des lignes xref inutilisables

Séquence de récupération

1. Le chargeur normal conforme à la spécification s’exécute d’abord dans le mode par défaut xrrmOnFailure
2. La récupération balaie la source par blocs de 1 Mio avec un court report entre les blocs et enregistre les objets indirects validés ainsi que les ancres xref
3. Les marqueurs imbriqués dans un objet indirect validé sont rejetés, y compris les chaînes, les commentaires, les dictionnaires et les données binaires de flux contenant du texte tel que 99 0 obj ou xref
4. Les tables ou flux xref valides sont essayés du plus récent au plus ancien via le chargeur incrémental, hybride et de flux d’objets existant
5. Au plus 4 096 ancres de sections xref sont conservées, ce qui empêche la répétition adverse de marqueurs de multiplier les tentatives d’analyse
6. Si aucune section xref ne produit une véritable arborescence de pages, les offsets d’objets directs sont reconstruits et les numéros d’objets en double utilisent la définition physique la plus récente
7. La récupération ne réussit que lorsqu’un véritable Catalog, une arborescence Pages et au moins une feuille de page sont résolus

Déclarations

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;

Configuration

Informations de récupération

GetLoadedXRefRecoveryInfo renvoie True lorsqu’une tentative de récupération a eu lieu et copie l’enregistrement THPDFXRefRecoveryInfo le plus récent

• Status distingue le succès, la récupération désactivée, l’échec par limite d’octets, l’échec par limite d’objets, l’échec par limite d’ancres xref et l’échec structurel
• Method identifie une section xref relocalisée ou des offsets d’objets directs reconstruits
• BytesScanned, CandidateObjectCount, RecoveredObjectCount, DuplicateObjectCount, RejectedCandidateCount et XRefCandidateCount exposent le travail borné et la qualité de la récupération
• SelectedXRefOffset identifie la section relocalisée lorsque cette méthode réussit
• Diagnostic contient une description de résultat concise en anglais

Informations de précédence de fusion

GetLoadedXRefMergeInfo renvoie True lorsque le chargement de flux xref ou de références hybrides a rencontré un état de fusion à signaler

• Kind distingue les événements de tentative, de politique, de limite, de candidat objet, de candidat xref, de section sélectionnée, d’offsets reconstruits, de succès et d’échec
• FirstByte est inclusif et EndByte exclusif, tous deux valant -1 lorsqu’aucune plage source n’existe
• ObjectNumber et GenerationNumber identifient les candidats d’objets indirects et valent -1 pour les événements de niveau document ou d’ancre xref
• Confidence progresse de prcNone vers des issues faible, moyenne, haute et vérifiée
• LoadedParserRecoveryEventDroppedCount rapporte les événements omis après la limite de rétention configurée, en préservant une mémoire bornée face aux entrées hostiles

Informations de précédence de fusion

GetLoadedXRefMergeInfo renvoie True lorsque le chargement par flux xref ou références hybrides a rencontré un état de fusion digne d’être rapporté

• HybridRevisionCount compte les révisions traditionnelles qui ont fourni un flux xref latéral via /XRefStm
• HybridOverlapCount compte les entrées de table déjà fournies par le flux xref de la même révision, qui prend précédence
• OlderRevisionShadowedEntryCount compte les entrées ignorées parce qu’une révision plus récente avait déjà défini ce numéro d’objet
• DuplicateEntryCount compte les entrées répétées dans la section non hybride la plus récente
• Les deux indicateurs de précédence indiquent si la règle correspondante a été appliquée plutôt que simplement disponible

Informations d’intégrité

GetLoadedXRefIntegrityInfo rapporte la chaîne de liste libre active, les liens invalides, les cycles, les entrées libres non chaînées, les erreurs de transition de génération, les définitions vivantes dupliquées et les entrées plus anciens masquées par la révision la plus récente

Le détail masqué comprend les types d’entrées actives et rejetées, les offsets ou champs de stockage, les générations et la profondeur de révision, avec un plafond de détail fixé à 256 entrées

Enregistrement des documents récupérés

Un document récupéré utilise toujours le chemin de réécriture complète dans SaveLoadedDocument, même lorsqu’aucun objet n’a été modifié, afin qu’HotPDF ne copie jamais des octets source endommagés comme une sortie apparemment réparée

Exemple

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;

API associées

• LoadFromFile
• LoadFromStream
• SaveLoadedDocument
• GetLoadedFileStructureInfo