C# 检测PDF文件是否正确（页眉PDF）

我有一个管理许多PDF文件的windows.NET应用程序。有些文件已损坏

2个问题：我会试着用我不完美的英语解释…对不起

1.）

如何检测任何pdf文件是否正确

我想读取PDF的标题并检测它是否正确

var okPDF=PDFCorrect（@“C:\temp\pdfile1.pdf”）

(二)

如何知道文件的字节[]（bytearray）是否为PDF文件

例如，对于ZIP文件，您可以检查前四个字节，看看它们是否与本地头签名匹配，即十六进制

50 4b 03 04

如果（缓冲区[0]==0x50&&buffer[1]==0x4b&&buffer[2]==0x03&& 缓冲区[3]==0x04）

如果要将其加载到long中，则为（0x04034b50）。大卫·皮尔森

我想要同样的PDF文件

字节[]数据PDF=

var-okPDF=PDFCorrect（dataPDF）

---

NET中的任何示例源代码？

PDF文件的第一行是标识PDF规范版本的标题 该文件与之一致的

%PDF-1.0

，

%PDF-1.1

，

%PDF-1.2

，

%PDF-1.3

，

%PDF-1.4

等

您可以通过读取文件开头的一些字节来检查这一点，并查看是否在开头有匹配为PDF文件的头。有关更多详细信息，请参阅Adobe提供的

---

没有一个.NET示例供您使用（已经有几年没有接触过这个东西了），但即使我有，我也不确定您是否可以检查该文件的完整有效内容。页眉可能没有问题，但文件的其余部分可能会混乱（正如您自己所说，有些文件已损坏）。

您可以使用打开并尝试解析文件（例如，尝试从中提取文本），但这可能有些过分。你还应该意识到，除非你购买了商业许可证，否则这是不可能的。不幸的是，没有简单的方法确定pdf文件是否损坏。通常，问题文件具有正确的头，因此损坏的真正原因是不同的。PDF文件实际上是PDF对象的转储。该文件包含一个参考表，该表给出了每个对象从文件开头的确切字节偏移位置。因此，很可能损坏的文件偏移量已损坏，或者丢失了某些对象

检测损坏文件的最佳方法是使用专门的PDF库。 NET有很多免费和商业PDF库。您可以简单地尝试使用其中一个库加载PDF文件。iTextSharp将是一个不错的选择

b。根据PDF参考，PDF文件的标题通常看起来像%PDF−1.X（其中X是一个数字，当前为0到7）。99%的PDF文件都有这样的标题。但是，Acrobat Viewer还接受其他类型的头，即使没有头，对PDF查看器来说也不是一个真正的问题。所以，若文件不包含头，则不应将其视为已损坏。 例如，头可能出现在文件的前1024个字节内的某个位置，或者以%的形式出现！附言−土砖−N.N PDF−M.M

---

仅供参考，我是的开发人员。

我检查PDF标题如下：

 public bool IsPDFHeader(string fileName)
    {
        byte[] buffer = null;
        FileStream fs = new FileStream(fileName, FileMode.Open, FileAccess.Read);
        BinaryReader br = new BinaryReader(fs);
        long numBytes = new FileInfo(fileName).Length;
        //buffer = br.ReadBytes((int)numBytes);
        buffer = br.ReadBytes(5);

        var enc = new ASCIIEncoding();
        var header = enc.GetString(buffer);

        //%PDF−1.0
        // If you are loading it into a long, this is (0x04034b50).
        if (buffer[0] == 0x25 && buffer[1] == 0x50
            && buffer[2] == 0x44 && buffer[3] == 0x46)
        {
            return header.StartsWith("%PDF-");
        }
        return false;

    }

---

性能良好的PDF从前9个字节开始，如

%PDF-1.x

加上一个换行符（其中x在0..8中）

1.x

应该会提供PDF文件格式的版本。第二行是一些二进制字节，以帮助应用程序（编辑器）将PDF识别为非ASCIItext文件类型

但是，您根本不能信任此标记。有很多应用程序使用PDF-1.7中的功能，但声称是PDF-1.4，因此误导了一些观众发出无效的错误消息。（最有可能的是，这些PDF文件是由于管理不当，将文件从较高的PDF版本转换为较低的PDF版本造成的。）

PDF中没有“header”这样的节（可能是

%PDF-1.x

的开头9个字节就是“header”的意思）。可能会在PDF中嵌入一个用于保存元数据的结构，为您提供有关作者、CreationDate、ModDate、标题和其他内容的信息

可靠检查PDF损坏的方法 除了呈现PDF，没有其他方法可以检查PDF的有效性和未损坏性

对于我个人来说，一种“便宜”且相当可靠的检查这种有效性的方法是使用

但是：您希望这种情况快速自动发生。您希望通过编程或脚本方法使用该方法来检查许多PDF

这里是诀窍：

• 不要让Ghostscript将文件渲染到显示器或真实（图像）文件
• 改用Ghostscript的

  nullpage

  设备

下面是一个命令行示例：

gswin32c.exe ^
    -o nul ^
    -sDEVICE=nullpage ^
    -r36x36 ^
    "c:/path to /input.pdf"

此示例适用于Windows；在Unix上使用

gs

而不是

gswin32c.exe

和

-o/dev/null

使用

-o nul-sDEVICE=nullpage

将不会输出任何渲染结果。但是Ghostscript处理input.pdf的所有stderr和stdout输出仍将出现在控制台中<代码>-r36x36将分辨率设置为36 dpi以加快检查速度

对于未损坏的文件，

%errorlevel%

（或Linux上的

$？

）将为

0

。对于损坏的文件，它将是非

0

。任何出现在标准输出上的警告或错误消息都可能帮助您识别input.pdf的问题

除了以某种方式呈现PDF文件外，没有其他方法可以检查PDF文件是否损坏

---

更新：同时，不仅%PDF-1.0、%PDF-1.1、%PDF-1.2、%PDF-1.3、%PDF-1.4、%PDF-1.5、%PDF-1.6、%PDF-1.7和%PDF-1.8是有效的版本指标，而且%PDF-2.0。我所做的是：

1.验证扩展

2.打开PDF文件，读取标题（第一行）并检查其是否包含以下字符串：“%PDF-”

3.通过搜索mul，检查文件是否包含指定页数的字符串