Bounded Cross-Reference Recovery

HotPDF kan återställa en verklig objektgraf och ett sidträd när en PDF saknar startxref -deklaration eller har oanvändbara xref-rader

Återställningssekvens

Den normala specifikationstroga laddaren körs först i standard xrrmOnFailure -läget
Återställningen skannar källan i 1 MiB-chunkar med en kort överlapp mellan chunkar och registrerar validerade indirekta objekt och xref-ankaren
Markörer som nästlats inuti ett validerat indirekt objekt avvisas, inklusive strängar, kommentarer, ordlistor och binära strömdata som innehåller text som 99 0 obj eller xref
Giltiga xref-tabeller eller -strömmar provas från nyaste till äldsta via den befintliga laddaren för inkrementella, hybrida och objektströmmar
Högst 4 096 xref-sektionsankaren behålls, vilket hindrar fientlig markörupprepning från att mångfaldiga parseförsök
Om ingen xref-sektion ger upphov till ett verkligt sidträd byggs direkta objektoffset om och duplicerade objektnummer använder den senaste fysiska definitionen
Återställningen lyckas bara när en verklig Catalog, ett Pages-träd och minst ett sidblad kan resolvas

Deklarationer

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;

Konfiguration

Medlem	Standardvärde	Syfte
`XRefRecoveryMode`	`xrrmOnFailure`	Stänger av återställning, kör den bara efter att normal parsning misslyckats, eller tvingar fram den före normal parsning
`XRefRecoveryMaxScanBytes`	8 GiB	Hård maximal källstorlek som den chunkbaserade återställningsskanningen accepterar
`XRefRecoveryMaxObjects`	2,000,000	Hård maximal mängd validerade kandidater för indirekta objekt som återställningen accepterar
`ParserRecoveryEventLimit`	1,024	Maximal mängd strukturerade händelser som behålls för en inläsning, där noll stänger av händelselagring

Återställningsinformation

GetLoadedXRefRecoveryInfo returnerar True när återställning försökts och kopierar den senaste THPDFXRefRecoveryInfo -posten

Status skiljer mellan framgång, avstängd återställning, brott mot bytegräns, brott mot objektgräns, brott mot xref-ankargräns och strukturellt misslyckande
Method identifierar en flyttad xref-sektion eller ombyggda direkta objektoffset
BytesScanned, CandidateObjectCount, RecoveredObjectCount, DuplicateObjectCount, RejectedCandidateCount och XRefCandidateCount exponerar avgränsat arbete och återställningskvalitet
SelectedXRefOffset identifierar den flyttade sektionen när den metoden lyckas
Diagnostic innehåller en koncis resultatbeskrivning på engelska

Strukturerade återställningshändelser

GetLoadedParserRecoveryEvents returnerar en anroparägd ögonblicksbild av den behållna händelseströmmen, medan GetLoadedParserRecoveryEvent läser en post utan att allokera en arraykopia

Kind skiljer mellan händelser för försök, policy, gräns, objektkandidat, xref-kandidat, vald sektion, ombyggda offset, framgång och misslyckande
FirstByte är inklusive och EndByte är exklusivt, med båda satta till -1 när inget källintervall finns
ObjectNumber och GenerationNumber identifierar kandidater för indirekta objekt och använder -1 för händelser på dokumentnivå eller xref-ankare
Confidence går från prcNone genom utfallen låg, medel, hög och verifierad
LoadedParserRecoveryEventDroppedCount rapporterar händelser som utelämnats efter den konfigurerade lagringsgränsen och bevarar avgränsat minne vid fientlig indata

Information om sammanslagningsföreträde

GetLoadedXRefMergeInfo returnerar True när inläsning via xref-ström eller hybridreferens påträffade fusionstillstånd värt att rapportera

HybridRevisionCount räknar traditionella revisioner som bidrog med en sidoxref-ström via /XRefStm
HybridOverlapCount räknar tabellposter som redan lämnats av samma revisions xref-ström, som har företräde
OlderRevisionShadowedEntryCount räknar poster som ignorerats för att en nyare revision redan definierat det objektnumret
DuplicateEntryCount räknar upprepade poster inuti den nyaste icke-hybridsektionen
De två företrädesflaggorna anger om motsvarande regel faktiskt tillämpades i stället för bara att vara tillgänglig

Integritetsinformation

GetLoadedXRefIntegrityInfo rapporterar den aktiva fri-list-kedjan, ogiltiga länkar, cykler, olänkade fria poster, fel i generationsövergångar, duplicerade levande definitioner och äldre poster som skuggats av den nyaste revisionen

Skuggdetaljen omfattar aktiva och avvisade posttyper, offset- eller lagringsfält, generationer och revisionsdjup, med ett fast detaljtak på 256 poster

Att spara återställda dokument

Ett återställt dokument använder alltid vägen full omskrivning i SaveLoadedDocument, även när inget objekt redigerats, så att HotPDF aldrig kopierar skadade källbyte som en till synes reparerad utdata

Exempel

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;