合并非标准PDF文件与pyPd

Question

我想把几个PDF文件合并成一个PDF文档。事实证明，输入文件并不完全符合标准。EOF标记后面是一些附加信息：

>>
startxref
1994481
%%EOF

%%PPIRoute: 4

显然，这会导致pyPdf giving me an exception：

^{pr2}$

现在的问题是：我该怎么办？我可能可以打开每个文件，去掉最后两行代码并保存，然后再将它们放入pyPdf。不过，我不太喜欢这个主意。也许还有更好的选择？在

Answer 1

我建议在pdf.py文件脚本来自：

    def read(self, stream):
        # start at the end:
        stream.seek(-1, 2)
        line = ''
        while not line:
            line = self.readNextEndLine(stream)
        if line[:5] != "%%EOF":
            raise utils.PdfReadError, "EOF marker not found"

    ... etc

收件人：

^{pr2}$

在我看来，原始代码并没有真正做到Adobe的PDF 1.3 Reference文档中第3.4.4节“文件尾部”（第628页）中所暗示的内容（斜体我的）：

Acrobat viewers require only that the %%EOF marker appear somewhere within the last 1024 bytes of the file.

换句话说，在"%%EOF"标记之后的文件物理结尾之前有其他内容是可以的。我建议的更改尝试适应这一点，并使其忽略标记后文件末尾可能附加的任何其他内容，而不是引发异常（但是，它不要求"%%EOF"位于最后1K字节中，尽管可以添加一个检查）。这也意味着你试图合并的文件实际上可能符合规范

更新：

{1024>的最后一个}标记也需要在^ 3个字节内：

def read(self, stream):
    # start at the end
    stream.seek(-1, os.SEEK_END)
    last1K = stream.tell() - 1024 + 1 # offset of last 1024 bytes of stream

    # read stream backwards while watching for end-of-file marker
    line = ''
    while line[:5] != "%%EOF":
        line = self.readNextEndLine(stream)
        if stream.tell() < last1K:
            raise utils.PdfReadError, "EOF marker not found"

    ... etc