Ograniczone odzyskiwanie odsyłaczy krzyżowych

HotPDF potrafi odzyskać rzeczywisty graf obiektów i drzewo stron, gdy plik PDF ma brakującą, nieprawidłową lub nieaktualną deklarację startxref albo nieużywalne wiersze xref

Recovery sequence

1. Normalny zgodny ze specyfikacją program wczytujący jest uruchamiany jako pierwszy w domyślnym trybie xrrmOnFailure
2. Odzyskiwanie skanuje źródło w fragmentach po 1 MiB z krótkim przeniesieniem między fragmentami i rejestruje zwalidowane obiekty pośrednie oraz kotwice xref
3. Znaczniki zagnieżdżone wewnątrz zwalidowanego obiektu pośredniego są odrzucane, w tym ciągi, komentarze, słowniki i dane binarne strumienia zawierające tekst taki jak 99 0 obj lub xref
4. Prawidłowe tabele lub strumienie xref są próbowane od najnowszego do najstarszego przez istniejący program wczytujący przyrostowy, hybrydowy i strumieni obiektów
5. Co najwyżej 4096 kotwic sekcji xref jest zatrzymywanych, co zapobiega mnożeniu prób analizy przez wrogie powtórzenia znaczników
6. Jeśli żadna sekcja xref nie utworzy rzeczywistego drzewa stron, przesunięcia obiektów bezpośrednich są przebudowywane, a zduplikowane numery obiektów używają najnowszej fizycznej definicji
7. Odzyskiwanie kończy się powodzeniem tylko wtedy, gdy rozstrzygają się rzeczywisty Katalog, drzewo Pages i co najmniej jeden liść strony

Deklaracje

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;

Konfiguracja

Recovery information

GetLoadedXRefRecoveryInfo zwraca True, gdy próbowano odzyskiwania, i kopiuje najnowszy rekord THPDFXRefRecoveryInfo

• Status rozróżnia powodzenie, wyłączone odzyskiwanie, niepowodzenie limitu bajtów, niepowodzenie limitu obiektów, niepowodzenie limitu kotwic xref oraz niepowodzenie strukturalne
• Method identyfikuje przeniesioną sekcję xref lub przebudowane przesunięcia obiektów bezpośrednich
• BytesScanned, CandidateObjectCount, RecoveredObjectCount, DuplicateObjectCount, RejectedCandidateCount i XRefCandidateCount udostępniają ograniczoną pracę i jakość odzyskiwania
• SelectedXRefOffset identyfikuje przeniesioną sekcję, gdy ta metoda kończy się powodzeniem
• Diagnostic zawiera zwięzły angielski opis wyniku

Merge precedence information

GetLoadedXRefMergeInfo zwraca True, gdy wczytywanie strumienia xref lub odwołania hybrydowego napotkało stan scalania warty zgłoszenia

• Kind rozróżnia zdarzenia attempt, policy, limit, kandydat na obiekt, kandydat xref, wybrana sekcja, przebudowane offsety, sukces i awaria
• FirstByte jest włącznie, EndByte wyłącznie, a oba mają -1, gdy zakres źródłowy nie istnieje
• ObjectNumber i GenerationNumber identyfikują kandydatów na obiekty pośrednie i używają -1 dla zdarzeń poziomu dokumentu albo kotwicy xref
• Confidence stopniuje od prcNone przez wyniki niski, średni, wysoki po zweryfikowany
• LoadedParserRecoveryEventDroppedCount raportuje zdarzenia pominięte po osiągnięciu skonfigurowanego limitu retencji, utrzymując ograniczoną pamięć na wrogich wejściach

Informacje o precepcji scalania

GetLoadedXRefMergeInfo zwraca True, gdy wczytywanie xref-stream albo hybrydowe napotkało stan scalania wartego raportowania

• HybridRevisionCount zlicza tradycyjne rewizje, które wniosły poboczny strumień xref przez /XRefStm
• HybridOverlapCount zlicza wpisy tabeli już dostarczone przez strumień xref tej samej rewizji, który ma pierwszeństwo
• OlderRevisionShadowedEntryCount zlicza wpisy zignorowane, ponieważ nowsza rewizja już zdefiniowała ten numer obiektu
• DuplicateEntryCount zlicza powtórzone wpisy wewnątrz najnowszej sekcji niehybrydowej
• Dwie flagi pierwszeństwa stwierdzają, czy odpowiednia reguła została zastosowana, a nie tylko była dostępna

Informacje o integralności

GetLoadedXRefIntegrityInfo raportuje aktywny łańcuch listy wolnej, nieprawidłowe łącza, cykle, niepodpięte wpisy wolne, błędy przejść generacji, zduplikowane definicje żywych obiektów oraz starsze wpisy przysłonięte przez najnowszą rewizję

Szczegóły przysłonięcia obejmują aktywne i odrzucone typy wpisów, offsety albo pola magazynu, generacje i głębokość rewizji, ze sztywnym sufitem 256 wpisów szczegółów

Saving recovered documents

Odzyskany dokument zawsze używa ścieżki pełnego przepisania w SaveLoadedDocument, nawet gdy żaden obiekt nie był edytowany, więc HotPDF nigdy nie kopiuje uszkodzonych bajtów źródłowych jako rzekomo naprawionego wyjścia

Przykład

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;

Powiązane API

• LoadFromFile
• LoadFromStream
• SaveLoadedDocument
• GetLoadedFileStructureInfo