如何使用Python检查PDF是否有活动内容？

Question

活动内容为JavaScript、PostScript。我想知道一个给定的PDF文件是否包含任何活动内容。如何使用Python检查这一点

Answer 1

您需要一个Python库来访问Adobe（和其他一些库）所称的COS级别。这是文件中对象的级别

对于JavaScript，恐怕没有别的办法，只能通过PDF规范，查找所有允许JavaScript的地方，然后检查这些地方

对于PostScript，我想说你不必担心，因为这已经不可能了，但我必须回到那个观点：）你基本上需要检查：

• PostScript XObjects：我有点惊讶这些仍然在规范中，因为我认为它们已经被弃用了，但哦，至少在32000-1中，它们显然仍然存在
• PostScript函数（类型4函数）。某些PDF对象在其定义中使用函数，并且存在PostScript函数类型

然后它变得有点棘手，因为有一些警告：

• 曾经有一个PostScript操作符可以在页面流中使用，它可以将PostScript直接注入页面流。此已被弃用，但根据您的目标，您可能仍需要检测它
• 当我说您需要一个具有COS级别访问权限的库时，您实际上可能需要更多。您可以在COS级别检测PostScript XObject，但为了知道它是否在页面上实际使用，您需要一个库，该库还可以为您解析页面内容。你是否需要这个取决于你的目的

然后，同样取决于您的目的，您应该意识到PostScript或JavaScript代码可以隐藏在PDF文件中的任意流对象中。它们不会被使用，因为工具不知道它在那里，但它们仍然在那里。你是否关心这一点取决于你打算用它做什么