Recupero dei riferimenti incrociati limitato

HotPDF può recuperare un grafo degli oggetti e un albero delle pagine reali quando un PDF ha una dichiarazione startxref dichiarazione o righe xref inutilizzabili

Sequenza di recupero

1. Il loader normale conforme alle specifiche viene eseguito per primo nella modalità predefinita xrrmOnFailure mode
2. Il recupero scansiona la sorgente in blocchi da 1 MiB con un breve riporto tra i blocchi e registra gli oggetti indiretti validati e le ancore xref
3. I marker annidati all'interno di un oggetto indiretto validato vengono rifiutati, incluse stringhe, commenti, dizionari e dati binari dei flussi contenenti testo come 99 0 obj o xref
4. Le tabelle o i flussi xref validi vengono provati dal più recente al più vecchio tramite il loader incrementale, ibrido e object-stream esistente
5. Vengono conservate al massimo 4.096 ancore di sezione xref, impedendo che la ripetizione avversaria di marker moltiplichi i tentativi di analisi
6. Se nessuna sezione xref produce un albero delle pagine reale, gli offset degli oggetti diretti vengono ricostruiti e i numeri oggetto duplicati utilizzano la definizione fisica più recente
7. Il recupero riesce solo quando risolvono un Catalog reale, un albero Pages e almeno una foglia di pagina

Dichiarazioni

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;

Configurazione

Informazioni di recupero

GetLoadedXRefRecoveryInfo restituisce True quando è stato tentato un recupero e copia il record THPDFXRefRecoveryInfo più recente

• Status distingue tra successo, recupero disabilitato, fallimento del limite di byte, fallimento del limite di oggetti, fallimento del limite di ancore xref e fallimento strutturale
• Method identifica una sezione xref ricollocata o offset degli oggetti diretti ricostruiti
• BytesScanned, CandidateObjectCount, RecoveredObjectCount, DuplicateObjectCount, RejectedCandidateCount e XRefCandidateCount espongono il lavoro limitato e la qualità del recupero
• SelectedXRefOffset identifica la sezione ricollocata quando quel metodo riesce
• Diagnostic contiene una concisa descrizione del risultato in inglese

Eventi di recupero strutturati

GetLoadedParserRecoveryEvents restituisce un'istantanea di proprietà del chiamante dello stream di eventi trattenuto, mentre GetLoadedParserRecoveryEvent legge una voce senza allocare una copia dell'array

• Kind distingue eventi di tentativo, policy, limite, candidato oggetto, candidato xref, sezione selezionata, offset ricostruiti, successo e fallimento
• FirstByte è inclusivo ed EndByte è esclusivo, con entrambi impostati a -1 quando non esiste un intervallo sorgente
• ObjectNumber e GenerationNumber identificano i candidati a oggetti indiretti e usano -1 per eventi a livello documento o ancorati alla xref
• Confidence progredisce da prcNone attraverso gli esiti basso, medio, alto e verificato
• LoadedParserRecoveryEventDroppedCount riporta gli eventi omessi dopo il limite di ritenzione configurato, preservando memoria limitata su input ostili

Informazioni sulla precedenza del merge

GetLoadedXRefMergeInfo restituisce True quando il caricamento di flussi xref o di riferimenti ibridi ha incontrato uno stato di unione degno di segnalazione

• HybridRevisionCount conta le revisioni tradizionali che hanno contribuito con un flusso xref laterale tramite /XRefStm
• HybridOverlapCount conta le voci di tabella già fornite dal flusso xref della stessa revisione, che ha la precedenza
• OlderRevisionShadowedEntryCount conta le voci ignorate perché una revisione più recente aveva già definito quel numero oggetto
• DuplicateEntryCount conta le voci ripetute all'interno della sezione non ibrida più recente
• I due flag di precedenza indicano se la regola corrispondente è stata effettivamente applicata piuttosto che solo disponibile

Salvataggio dei documenti recuperati

GetLoadedXRefIntegrityInfo riporta la catena attiva di free-list, link non validi, cicli, voci libere non collegate, errori di transizione di generazione, definizioni live duplicate e voci più vecchie oscurate dalla revisione più recente

Il dettaglio oscurato include tipi di voce attivi e rifiutati, offset o campi di storage, generazioni e profondità di revisione, con un tetto fisso di 256 voci di dettaglio

Salvataggio dei documenti recuperati

Un documento recuperato usa sempre il percorso di riscrittura completa in SaveLoadedDocument, anche quando nessun oggetto è stato modificato, così che HotPDF non copii mai byte sorgente danneggiati come output apparentemente riparato

Esempio

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 correlate

• LoadFromFile
• LoadFromStream
• SaveLoadedDocument
• GetLoadedFileStructureInfo