关于java:PDF-那些事

最近几个月干了不少 PDF 相干的活，趁着这两天不忙，记录一下相干的知识点。

PDF是 Portable Document Format 的简称，翻译过去是“可携带文档格局”，由 Adobe于 1992 年创立。其格局特点是，与操作系统平台无关，在任意平台上都能够放弃雷同的渲染成果。
​

至于这个平台无关嘛……倒不如说是格局简略，各平台都遵循同一规范，再加上规范的公开，天然就做到了平台无关性。

发展史

PDF 从创立之后，始终是 Adobe 公司的专有格局，直到 2008 年，才成为正式的 ISO（ISO 32000）规范。
​

尽管 PDF 文件曾经成为了规范，但 Adobe 作为 PDF 的鼻祖，还是弄了些公有的性能，比方 XFA（Adobe PDF 表单），这玩意就不属于 ISO 32000 PDF 规范。

国产格局 – OFD

和 PDF 相似的，还有 OFD（Open Fixed-layout Documents）格局，算是“国产 PDF”规范，由中国国家标准化治理委员会于 2016 年正式公布。

和 PDF 格局相比，OFD 格局更简略，更易于实现，而且反对国密，不过目前应用的很少。

字体

常见的 Office 格局里，字体 默认都是非内嵌的，非内嵌字体能够防止反复存储雷同的字体，只须要渲染设施上装置对应字体就行；但劣势也很显著，如果客户设施上没有对应的字体，就会导致无奈渲染，应用代替字体的话，又会影响渲染成果。
​

而 PDF 在字体的解决上和 Office 有所不同，PDF 默认应用 内嵌字体 的形式，而且还是内嵌字体的子集 – 只把文件中应用的字符字体给嵌入到 PDF 文件中，并不会将整个字体库嵌入。这样一来，即时内嵌了字体，也不会过多的减少文件大小。

字体加密

某些文档为了数据安全，提供 PDF 格局的材料供查阅，但又不想让用户随便复制文字。
​

此时 PDF 内嵌字体的益处就体现进去了，基于字体混同 & 加密技术，让以后 PDF 应用混同 & 加密后的字体库。这样就算公开提供了 PDF 文件，客户复制后的文字也是混同后的，也算保障了数据安全。
​

不过当初 OCR 这么弱小，混同字体后，依然能够通过 OCR 的伎俩去辨认，只是须要多破费一些精力而已。

电子签名 & 数字签名

电子签名 – Electronic Signature

美国《寰球和国家商业电子签名法》（2000 年）将“电子签名”定义为“附在合同上或通过电子形式生成，发送，传播，接管或存储的其余记录或与之逻辑关联的电子声音，符号或过程。”

实际上，电子签名只是将手写签名的图片，附在电子文档上，而后配合一些多因素身份验形式（PIN/ 明码 / 邮箱）证来实现。

数字签名 – Digital Signature

数字签名和电子签名不同，数字签名须要配合 PKI 认证核心（CA）颁发的数字证书实现，根本玩法是这样：

1. 对内容应用摘要算法（如 MD/SHA 等）生成摘要
2. 应用非对称加密算法 + 证书私钥对摘要进行加密
3. 将加密的摘要数据，和签名的证书（公钥局部）附在 PDF 文件中

从下面的步骤能够看出，PDF 数字签名和 SSL 加密并不一样，PDF 实质上是对文件“签名”，能够保障文件签名者的身份，保障不可篡改，而 SSL 是对报文进行加密。
​

下图是非对称加密算法下，加密和数字签名的区别：

总结一下，非对称加密算法的支流利用就两种：公钥加密 -> 私钥解密，私钥加密 -> 公钥验签。
​

PDF 数字签名还有个非凡的玩法，能够将数字签名信息和图片进行“绑定”，比方电子发票里的签章（Stamp）图片，这个图片能够作为数字签名的外观（Appearance）。

​

如果不应用外观，只进行数字签名当然也是能够的。不过记住一点：有签章图片不肯定有数字签名，有数字签名也不肯定有签章图片，这俩不是一个货色。
​

其实不止是 PDF 文件才能够数字签名，微软家的 Office 套件也是反对数字签名的，但个别没人会对 Office 格局的文件签名，所以市面上能见到的都是对 PDF 数字签名。

签名验证

PDF 签名验证的原理也很简略：

1. 验证 PDF 的签名证书是否受信

   1. 应用客户端根证书库（比方 Adobe PDF，会应用内置的根证书列表，和操作系统无关），验证签名证书是否受信

2. 通过证书的公钥，对签名后的摘要数据进行验签。

   证书 & 签名算法

   PDF 数字签名所应用的证书类型，和 SSL 是不一样的。一般 SSL 的证书验证域名所有者就能够了，而 PDF 数字签名所应用的证书个别称为机构证书，没有域名的概念，但会严格的验证企业信息，如营业许可证等等。
   ​

目前支流的数字证书非对称加密算法有 RSA/DSA/DSS，但利用最广的还是 RSA 算法，不过随着国产化的趋势，金融保险等行业缓缓的迁徙到国密算法了。
​

不过算法不重要，都是非对称加密，都是数字证书，只是具体签名 / 验签 / 加密 / 解密的算法不同而已。

表单域 – Acro Form

表单域就是指 PDF 表单，英文定义叫 Acro Form。是的你没看错，PDF 也有和 HTML 相似的表单技术，表单里能够配置文本域、单选框、复选框等元素：

编辑好了 PDF 表单之后，就能够通过工具或程序，对 PDF 进行填充或者填写了。

PDF 库（JAVA）

PDF 技术还是比拟关闭的，开源库用起来会十分不爽，如果企业商用的话，尽量还是思考买商业 SDK，功能丰富，文档欠缺，花钱买工夫。

开源 & 收费

• Itext – 4.x 版本以下收费，5 以上的版本开源许可为 AGPL，商用须要付费
• Openpdf – 基于 itext 2.x 版本修复，还是 Itext
• pdfbox – Apache 下开源的 PDF 库，尽管收费，但性能远不如 Itext，不举荐应用。

还有一些更小众的 PDF 库，这里就不举荐了。目前应用最多的是 itext，pdfbox 尽管齐全开源收费，但性能和文档丰盛水平远不迭 itext。

商业

• Itext 7 – 有 JAVA 和 C# 两个版本，性能全，文档欠缺，根本能满足你对 PDF 的所有要求。
• Aspose.PDF – 提供了多语言的 SDK，功能强大，文档也比拟丰盛
• Spire.PDF – 提供了多语言的 SDK，功能强大，文档也比拟丰盛，而且不只是 PDF，还反对 Office 全家桶，在国内也有经销商
• Adobe PDF Library SDK – Adobe 自家的 PDF SDK，性能必定是最全的，反对多语言

• Datalogics PDF Java Toolkit – Datalogics 是 Adobe PDF Library 的代理商，同时本人也提供了另一个版本的 PDF SDK

  PDF 工具

  PDF 工具市面上一大堆，上面列出一些支流的功能完善的 GUI 工具（浏览、编辑、转换、签名）：

• Adobe Acrobat– PDF 的鼻祖，最强 PDF 工具，没有之一
• 福昕 – 国产老牌 PDF 软件
• 万兴 PDF
• 迅捷办公

• small pdf – 良心的 PDF 在线工具网站，编辑、转换等性能都有，兼容性也很好，而且每天有肯定收费配额

  参考

• https://www.wikiwand.com/zh/%E5%8F%AF%E7%A7%BB%E6%A4%8D%E6%96%87%E6%A1%A3%E6%A0%BC%E5%BC%8F
• https://www.ssl.com/zh-CN/%E5%B8%B8%E8%A7%81%E9%97%AE%E9%A2%98/%E5%B8%B8%E8%A7%81%E9%97%AE%E9%A2%98%E6%95%B0%E5%AD%97%E7%AD%BE%E5%90%8D%E5%92%8C%E6%96%87%E4%BB%B6%E7%AD%BE%E5%90%8D/
• https://www.wosign.com/FAQ/faq_2019070401.htm
• http://gmssl.org/
• https://itextpdf.com/sites/default/files/2018-12/digitalsignatures20130304.pdf

​