这两个月花了点时间，写了一个pdf解析器和pdf目录（outline）的编辑器，算是部分解决了我编辑pdf目录的需求。
以前我屯了很多扫描版pdf。这些pdf制作不是很精良，经常没有目录，很难检索。当时我没找到合适的开源软件来做这个事情。几个月前重新看了一下pdf的spec，简单评估之后，我认为我可以一周把这个东西做出来（实际上前前后后做了两个月……）。
这里说一下啥是outline。outline有些地方直接叫做“书签”，有些地方叫“目录”，有些地方叫“概览”。总之就是打开pdf之后，显示在侧边栏里面的目录，点击里面的项可以跳转到对应的地方，就是下图框起来的区域：
底层解析库
底层解析库我起名为libpindf。随便乱取的，就是在「pdf」中间插入一个「in」。
如何解析一个PDF？
一个初次创建的PDF主要包括几个部分：
- 版本号注释（文件的开头类似
%%PDF-1.5的一行） - PDF主要内容，主要是一大堆的indirect object
- xref表。一个速查表，可以根据object的标号，速查对应的indirect object在文件中的哪个位置。
- trailer。一个字典，指出Catalog对象的位置
- startxref。这一行后面给出了xref表在文件中的位置
- 最后以
%%EOF结束
PDF的主要内容由一大堆indirect object组成。所谓object，就是整数、浮点数、null、名字、字典、数组、字符串、流的统称。流比较特殊，主要用来放一些连续的二进制数据，由一个字典和一串原始二进制数据组成。
间接对象（indirect object）则是带编号的对象。根据编号，可以在字典、数组这种复合对象里面引用它们。trailer当中会引用Catalog对象这个对象。Catalog当中有页面树、目录树、名字树等等东西。PDF的所有内容都用这棵树组织起来。
是不是听起来很简单？我一开是也这么觉得，但是实际做起来发现，PDF标准充满各种历史包袱，相同的功能可能可以用不同的方式来实现。因此要支持大部分的PDF，还是需要花很多时间研读标准。
举个例子，我原本不打算实现流对象的解析，但后期的PDF标准为了进一步缩小体积，会把对象放到流的二进制数据里面，用特殊的格式压缩。这就迫使我不得不去解析各种流，硬控了我一周的时间。xref表也有流的版本。
如何修改PDF
PDF支持追加式的修改。所谓追加，就是指可以在上述完整的文件结构后面，再接上一个完整的文件结构。新的xref表格会覆盖原始xref表的对应部分——这意味着我们可以添加新的indirect
object，并且通过修改xref表，替换掉原先相同对象号的object。最后，需要再trailer当中加上/Prev这个属性，指出老的xref表的位置。
这种追加式修改可以叠加无数层，在流传的PDF当中非常普遍。但PDF的这种设计，导致解析器必须从文件末端开始解析，先找到startxref，然后解析trailer，然后接写xref表，一层一层地解析回去，直到找到最初的那个trailer和xref表，做起来还是挺麻烦的。这种结构也对浏览器不友好（比如传了完整文件才能开始阅读），所以PDF还支持对文档做“线性化”，线性化后的PDF只有一个xref和一个trailer，1号对象放在最前面，就是catalog对象，对浏览器比较友好。
为啥要自己造轮子？
为了爽。
我原本想要直接用现成的库，比如mupdf之类的。但这些库的文档感觉不是特别完善，并且一般都是read-only或者create-only，于是就一直搁置。直到某一天，我弄丢了手机，断网了一晚上，无事可做，于是乎决定纯手工写个纯C的解析器。靠着manual和手边的几个离线文档手工起了项目，从此一发不可收拾。尤其是在AI时代，沉下心来纯手工做这个东西是真爽。
写lexer差不多只用了一天，parser一周做到了85%的完成度。然后因为纯C的种种麻烦点，剩下的10%用了我两周的时间……目前我只感说做到了（95%）的完成度。大部分pdf都是可以处理的，除非是加密的pdf/用了奇怪filter的pdf。
接下来就是编辑pdf。PDF支持追加式的编辑，所以理论上我只需要一个read-only搭配一个create-only的库，就能实现我原本想做的编辑操作。但我意识到这点的时候已经太晚，parser都已经快写完了。
复盘
不应该用纯C来写，手工管理内存和所有权实在是太麻烦，如果改用rust，甚至哪怕是C++，应该真的一周就能搞定。
Outline编辑器
在libpindf的基础上，编辑outline相对简单。只要找到目录树（outline树），然后把它替换掉，即可实现修改outline。
如何编辑？
由于懒得写图形界面，我打算采用JSON作为一个中间格式。先把outline提取出来，翻译成json，人工编辑json之后，再翻译成一系列indirect object，替换到原先的outline树，就能实现编辑。
具体实现
理论简单，但具体实践起来，又花了我好几天时间。
一个点是，PDF的目录有好几种实现方法。outline树中的节点，可以指向某个Destination对象，也可以指向某个Action对象。Action对象有非常多种，除了跳转外，“打开网页”、“播放声音”甚至“播放视频”之类的都有……因此理论上点击pdf目录项还可以播视频……
跳转Action的内部会引用一个Destination，因此殊途同归。Destination会引用它要跳转的那个Page，可以指定跳转到页面的那个位置（写坐标）……甚至还能制定跳转之后的缩放。
我目前不支持用Action。可以选择填Destination，或者填页码。
示例JSON如下：
{
"chd": [
{
"title": "前言",
"destination": {
"page": 5
}
},
{
"title": "作者题词",
"destination": {
"page": 10
}
},
{
"title": "目录",
"destination": {
"page": 11
}
},
{
"title": "牡丹亭",
"destination": {
"page": 14
},
"chd": [
{
"title": "第一齣 標目",
"page": 14
},
{
"title": "第二齣 言懷",
"page": 17
},
{
"title": "第三齣 訓女",
"page": 21
},
]
},
{
"title": "附录",
"page": 323,
"chd": [
{
"title": "附录一 关于版本的说明",
"page": 323
},
{
"title": "附录二 杜丽娘慕色还魂画本",
"page": 326
}
]
}
]
}