Filter是用來壓縮PDF還是用來加密的？之前介紹過，Office文檔是用zip壓縮數據的，把文字和圖像等打包在一起。如果你用7z解壓PPTX/DOCX/XLSX文檔，就可以輕松獲得文檔中的文字和圖片等資源。

解壓PPTX，可見其中圖片

PDF的大部分Filter确實是用來壓縮的，然而ASCIIHexDecode和ASCII85Decode編碼後隻會讓文件變大。這不是逗你嗎？把ASCIIHex和ASCII85用來加密數據，有種此地無銀三百兩的感覺。現在很多人看見亂碼就說加密，舉個Base64的例子。

Base64編碼用到的字符

<img src="data:image/png;base64,iVBORw0KGgoAAA ANSUhEUgAAAAUAAAAFCAYAAACNbyblAAAAHElEQVQI12P4 //8/w38GIAXDIBKE0DHxgljNBAAO9TXL0Y4OHwAAAABJRU 5ErkJggg==" alt="Red dot" />

PDF支持的filter可以分為三大類：

[1] 轉碼Filter，把原數據映射到可顯示的字符範圍。ASCIIHex映射為16進制的字符，ASCII85映射為ASCII表中的85個可顯示字符範圍。

[2] 壓縮Filter，文本和圖像使用不同的Filter，這才是用來壓縮文件的。如LZWDecode,FlateDecode, RunLengthDecode, CCITTFaxDecode, JBIG2Decode, DCTDecode, JPXDecode。

[3] 加密Filter，這是用來加密PDF文件的。

ASCIIHex, ASCII85字符範圍

ASCIIHex從2^8映射為2^4 2^4，因此壓縮比是2:1=200%，怪不得現在已經絕迹了。而ASCII85的壓縮比為5:4=125%，畢竟還有用途，但用的也不是太多。

Specifically, ASCII base-85 encoding produces 5 ASCII characters for every 4 bytes of binary data. Each group of 4 binary input bytes, (b1 b2 b3 b4), is converted to a group of 5 output bytes, (c1 c2 c3 c4 c5), using the relation：

ASCII85映射關系

這個代碼寫出來也很簡單，大家可以親手試一試，比刷Leecode簡單多了，就是從一個範圍映射到另一個字符範圍。ASCIIHex不區分16進制中A-F的大小寫，PDF中使用'>'作為結尾。

String name = "欣爸爸"; ByteArrayInputStream bais = new ByteArrayInputStream(name.getBytes()); ByteArrayOutputStream baos = new ByteArrayOutputStream(); asciiHex.encode(bais, baos, new COSDictionary(), 0); log.d(baos.toString()); // E6ACA3E788B8E788B8 baos.reset(); bais = new ByteArrayInputStream("e6aCA3e788B8E788B8>".getBytes()); asciiHex.decode(bais, baos, new COSDictionary(), 0); log.d(baos.toString()); // 欣爸爸

String name = "欣爸爸"; ascii85.encode(bais, baos, new COSDictionary(), 0); baos.reset(); bais = new ByteArrayInputStream("k,b?@Lq)W(\\,~>".getBytes()); ascii85.decode(bais, baos, new COSDictionary(), 0); log.d(baos.toString()); // 欣爸爸

從PDF1.5開始，還可以把多個Obj對象放到同一個stream對象中壓縮，可進一步壓縮文件大小。這也是為什麼，我們分析PDF的時候Obj number不連續的原因，有些Obj被打包在一起了。

讀到這裡，你是否有點感覺了？Base64 / ASCIIHex / ASCII85 既沒壓縮數據，也沒加密數據，有什麼存在價值呢？這問題要從ASCII碼談起。一個字節的範圍是從0000 0000 到 1111 1111，但這256個數據并不全是可顯示字符，有些是控制字符。當以字符方式讀文件的時候，這些控制字符不會被當作數據處理，而會變成換行或者退格，或者終止等。

把二進制文件數據，映射到一個可顯示字符範圍，在傳輸和處理過程中不會被誤解，可以容易地反解出來，這可不是什麼加密技術。仔細觀察Base64、ASCII85包含一些編程語言的特殊字符，因此也有Base64和ASCII85的一些變種，把特殊符号換成其它字符。

以下是解析ASCIIHex的部分參考代碼：

while (true) { int first = readHexDigit(); // 先讀取一個Hex int second = readHexDigit();// 再讀取一個Hex if (first == -1) { // Done break; } else if (second == -1) { // 如01110110 0010情況 baos.write((byte) (first << 4)); break; } else { // 合在一起 baos.write((byte) ((first << 4) second)); } }

下次，我們介紹壓縮算法LZWDecode和FlateDecode。歡迎關注點贊~

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!