Ограниченное восстановление перекрёстных ссылок

HotPDF может восстановить реальный граф объектов и дерево страниц, если PDF имеет отсутствующее, недопустимое или устаревшее объявление startxref или непригодные строки xref

Последовательность восстановления

1. Сначала выполняется обычный соответствующий спецификации загрузчик в режиме по умолчанию xrrmOnFailure
2. Восстановление сканирует источник порциями по 1 МиБ с коротким переносом между порциями и фиксирует проверенные косвенные объекты и якоря xref
3. Маркеры, вложенные в проверенный косвенный объект, отклоняются, включая строки, комментарии, словари и бинарные данные потоков, содержащие текст вида 99 0 obj или xref
4. Корректные таблицы или потоки xref проверяются от новой к более старой через существующий инкрементный, гибридный загрузчик и загрузчик объектных потоков
5. Сохраняется не более 4096 якорей разделов xref, что предотвращает умножение попыток разбора из-за враждебного повторения маркеров
6. Если ни один раздел xref не даёт реального дерева страниц, смещения прямых объектов перестраиваются, а при дублировании номеров объектов используется последнее физическое определение
7. Восстановление завершается успешно, только если разрешаются реальные Catalog, дерево Pages и хотя бы один лист страницы

Объявления

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;

Конфигурация

Информация о восстановлении

GetLoadedXRefRecoveryInfo возвращает True, если восстановление было предпринято, и копирует последнюю запись THPDFXRefRecoveryInfo

• Status различает успех, отключённое восстановление, сбой из-за байтового лимита, сбой из-за лимита объектов, сбой из-за лимита якорей xref и структурный сбой
• Method идентифицирует перемещённый раздел xref или перестроенные смещения прямых объектов
• BytesScanned, CandidateObjectCount, RecoveredObjectCount, DuplicateObjectCount, RejectedCandidateCount и XRefCandidateCount раскрывают ограниченную работу и качество восстановления
• SelectedXRefOffset идентифицирует перемещённый раздел при успехе этого метода
• Diagnostic содержит краткое описание результата на английском языке

Информация о приоритете слияния

GetLoadedXRefMergeInfo возвращает True, если при загрузке потоков xref или гибридных ссылок встретилось состояние слияния, о котором стоит сообщить

• Kind различает события attempt, policy, limit, кандидата объекта, кандидата xref, выбранную секцию, перестроенные смещения, успех и сбой
• FirstByte — включительно, а EndByte — исключительно; оба равны -1 когда диапазона источника нет
• ObjectNumber и GenerationNumber идентифицируют кандидатов в непрямые объекты и используют -1 для событий уровня документа или xref-якоря
• Confidence проходит от prcNone через low, medium, high и verified
• LoadedParserRecoveryEventDroppedCount сообщает события, опущенные после настроенного лимита удержания, сохраняя ограниченную память на враждебных входных данных

Информация о приоритете слияния

GetLoadedXRefMergeInfo возвращает True когда загрузка xref stream или гибридных ссылок встретила заслуживающее отчёта состояние слияния

• HybridRevisionCount подсчитывает традиционные редакции, предоставившие боковой поток xref через /XRefStm
• HybridOverlapCount подсчитывает записи таблицы, уже предоставленные потоком xref той же редакции, который имеет приоритет
• OlderRevisionShadowedEntryCount подсчитывает записи, проигнорированные из-за того, что более новая редакция уже определила этот номер объекта
• DuplicateEntryCount подсчитывает повторяющиеся записи внутри нового не гибридного раздела
• Два флага приоритета сообщают, было ли соответствующее правило применено, а не просто доступно

Информация о целостности

GetLoadedXRefIntegrityInfo сообщает активную цепочку free list, неверные ссылки, циклы, несвязанные свободные записи, ошибки переходов поколений, дублирующиеся живые определения и старые записи, затенённые новейшей ревизией

Детали затенения включают активные и отклонённые типы записей, смещения или поля хранилища, поколения и глубину ревизии с фиксированным потолком деталей в 256 записей

Сохранение восстановленных документов

Восстановленный документ всегда использует путь полной перезаписи в SaveLoadedDocument, даже если ни один объект не был изменён, поэтому HotPDF никогда не копирует повреждённые байты источника как якобы исправленный вывод

Пример

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;

Связанные API

• LoadFromFile
• LoadFromStream
• SaveLoadedDocument
• GetLoadedFileStructureInfo