-1

我在用 C++ 读取二进制文件时遇到问题。目前我的代码是这样的：

FILE *s=fopen(source, "rb");
fseek(s,0,SEEK_END);
size_file size=ftell(s);
rewind(s);

char *sbuffer=(char *) malloc(sizeof(char) * size);
if(sbuffer==NULL){
    fputs("Memory error", stderr);
    exit(2);
}
size_t result=fread(sbuffer,1,size,s);
if(result != size){
    fputs("Reading error",stderr);
    exit(3);
}
fclose(s);
cout<<sbuffer<<endl;

但是，终端上打印出来的字符都是随机字符，而不是我在PDF文件中写的。它们就像：

% P D F - 1 . 3 
 % ? ? ? ? ? ? ? ? ? ? ? 
 4   0   o b j 
 < <   / L e n g t h   5   0   R   / F i l t e r   / F l a t e D e c o d e   > > 
 s t r e a m 
 x  ? ? ? j ? 0  E ? ? ? k ?  y Q E # ? ? ? m ? & ? ? @  % + ? .     ? ?  ? ? A i  ?     4 z \ 1 G W ? ?  - , ? ? ? (  ? ? ?  9 ? ? ? ? ?  \ ? } ? ? ? e ? ? ? ? 0 ? ? ? ~ ? , ? ? & 8 ? ? x e 4 ? r 
 | ? ? ? 
          ? ? ? ? E  > a ? ? z & ? Z ? < ?  }  '  ? ? ? j p ? ? Q 7 0 ? ? ? S %  - p ? ? ? 7 D  ?  ? ? ' Q z Q ?  ? ? ? ? ? ? ? ? ? \ 2 ? ? 7 ? ? ? < ? ? D ~  ? ? ? 

 e n d s t r e a m 
 e n d o b j 
 5   0   o b j 
 2 2 8 
 e n d o b j 
 2   0   o b j

还有许多其他类似上述的角色。我试图搜索很长时间，但无法找到如何获取实际字符以供以后处理。顺便说一句，我正在尝试编写一个以二进制文件作为输入和输出的压缩器。非常感谢这里的任何帮助！

4

2 回答 2

6

只有少数文件格式（如纯原始 .TXT 文本文件）可以直接“读取”和“理解”。大多数文件格式，包括几乎所有二进制格式，都是 ..格式。这意味着文件中包含某些结构。与完全无结构的 .TXT 文本文件完全相反，或者更确切地说，它是一大块纯数据。

打开写字板或 Word 或任何其他最不智能的文本编辑器并在那里写一些文本，然后将其保存为 RTF、DOC、ODT 或任何其他非 TXT 文件。然后也将其保存为 TXT 文件。

下载十六进制查看器/十六进制编辑器。随便一个。拿其中一个免费的，你不需要很多功能，只需要一个在一列中显示原始二进制值，在另一列中显示 ASCII 文本的功能。几乎所有免费的十六进制查看器/编辑器都可以做到这一点。

打开并比较这两个文件。您将立即看到差异。

返回PDF：

PDF 甚至可以包含与文本交错的图形。如果文本像在 TXT 中一样“只是坐在文件中”，您希望如何保留它？如何嵌入图像位置/描述/数据？如果我没记错的话，PDF 甚至可以包含类似于 JavaScript 的脚本。可执行。在 PDF 类型的文档中，您可以拥有执行某些操作的按钮。这比文件中的文本要复杂得多。

二进制文件通常不包含任何可读的文本。他们将文本以块的形式结构化，包裹在关于颜色、文本布局、分页等的元数据中，甚至是关于文档版本控制、创作、分类等的特殊结构（...）。这一切都必须存储在某个地方。

通常，二进制文件有节。第一部分通常称为 HEADER。在里面，会有以下信息：格式类型、格式版本、文件/块/数据长度、图像分辨率等。所有这些最有可能以二进制形式保存：没有“800x600”文本，只有“|00|00|03|20|00|00|02|58|” 假设 32 位 BE。在您阅读、解码和理解描述之后，您就会知道实际数据从哪里开始，数据块是如何布局的，以及如何解码它们并理解它们包含的内容。

编辑：

在了解了文本文件和二进制文件之间的区别后，请查看http://en.wikipedia.org/wiki/Entropy_(information_theory)上的绝对基础知识。然后尝试使用 RLE ( http://www.daniweb.com/software-development/cpp/code/216388/basic-rle-file-compression-routine ) 或 Huffman ( http://www.cprogramming.com/tutorial /computersciencetheory/huffman.html）只是开始一些相对简单的事情。然后开始阅读有关 Huffman 代码的更多信息，然后，您将为这项任务做好充分的准备，例如 ZIP 或 LZH..

于 2013-02-23T16:56:40.253 回答
3

要将 PDF 解析为文本，请使用一些 PDF 库，例如gnupdf或 poppler。

于 2013-02-23T16:58:29.513 回答