Análisis de PDF: Una Batalla Contra la Especificación
Analizar un PDF parece sencillo: encontrar el encabezado de la versión, la tabla de referencia cruzada, los desplazamientos de objeto y, finalmente, construir el diccionario del catálogo. Sin embargo, la realidad es brutal. La especificación PDF no es una regla rígida; los archivos del mundo real están llenos de situaciones no conformes, como ubicaciones de punteros `startxref` incorrectas, datos basura al principio del archivo y tablas de referencia cruzada malformadas. El autor, analizando una gran cantidad de archivos PDF reales, revela estos problemas y señala que los visores de PDF existentes funcionan porque manejan situaciones no conformes. Este artículo explica los desafíos del análisis de PDF de una manera fácil de entender y proporciona una experiencia valiosa para los desarrolladores.