validation - Ghostscript 作为 PDF 验证器 : Command and Results

Question

Two scholars说他们使用 Ghostscript 来验证 PDF。他们对技术的神秘解释是:“为了让 Ghostscript 充当验证器，我们只是将 PDF 文件转换为‘无’。”在 a slideshow ，他们补充说，“无”是“一个虚拟结果，没有真正的输出”，并且转换为无“打印出发现的错误。”

我想以类似的方式使用Ghostscript，也想在这个过程中学习一点Ghostscript，以备将来应用。我对 the Ghostscript documentation 的评论和 a previous StackOverflow answer让我尝试这个(在 Windows 7 虚拟机中使用 Ghostscript Portable 9.50):

gswin64c.exe -o /dev/null -dNODISPLAY "C:\PDFs\Badfile.pdf" > "C:\Results.txt"

我欢迎就这是否是达到此目的的最佳命令提出建议。我的问题与 Results.txt 对 Badfile.pdf 的描述有关。以下是 Results.txt 的内容:

GPL Ghostscript 9.50 (2019-10-15)
Copyright (C) 2019 Artifex Software, Inc.  All rights reserved.
This software is supplied under the GNU AGPLv3 and comes with NO WARRANTY:
see the file COPYING for details.
   **** Error:  An error occurred while reading an XREF table.
   **** The file has been damaged.  This may have been caused
   **** by a problem while converting or transfering the file.
   **** Ghostscript will attempt to recover the data.
   **** However, the output may be incorrect.
   No pages will be processed (FirstPage > LastPage).

   **** This file had errors that were repaired or ignored.
   **** Please notify the author of the software that produced this
   **** file that it does not conform to Adobe's published PDF
   **** specification.

   **** The rendered output from this file may be incorrect.

我的问题:

(1) 我应该将此输出解释为 XREF 表问题是此文件中的唯一问题，还是可能存在其他未指明的问题？如果是后者，当 Results.txt 报告 Badfile.pdf“不符合 Adob​​e 发布的 PDF 规范”时，我是否可以修改命令以获得更具体的指示？

(2)“文件已损坏。这可能是由于转换或传输文件时出现问题造成的。”这是否表明，对于某些带标记的 PDF，Ghostscript 识别的问题可能是由于 Ghostscript 本身造成的？

(3) “Ghostscript 将尝试恢复数据。...此文件有已修复或忽略的错误。”我是否可以假设操作词是“忽略”——也就是说，就像那两位学者使用的程序一样，Ghostscript 并没有真正尝试恢复数据，而我的命令产生“没有实际输出”？

(4) 出于某些目的，我可能希望以单行摘要形式输出。例如，JHOVE PDF 验证器的audit 选项可以生成一行包含文件名、MD5 哈希和 PDF 文件是否有效的声明。鉴于学者们发现 JHOVE 存在问题，如果我能将 Ghostscript 的发现放入电子表格中进行比较会有所帮助。

我意识到 Ghostscript 可能没有这一切，我很感激我已经从中得到的东西。但如果我遗漏了什么，我想知道。感谢您提供的任何光亮。

Answer 1

外部参照错误是第一个问题。 GS 试图解决这个问题并继续。然而，下一个错误 (FirstPage > LastPage) 表明它无法解决问题。

这总是一个问题；尝试从文件中的错误中恢复可能意味着忽略一些重要的东西(或误解它)，这会导致下一个对象出错，依此类推。

Ghostscript 并非旨在用作验证工具，虽然我们最近在标记问题方面相当勤奋，但早期的代码可能只是默默地忽略它们。另外觉得重复的警告没有意义，烦人，而且很难看出真正的错误，所以很多错误只报告一次，不管这里发生多少次。

所以回答你的问题:

1. 不，这可能不是唯一的错误，这只是遇到的第一个错误。没有更多详细的错误。您可以使用 -dPDFDEBUG 转储解释器正在处理的内容，并将定位某些类型的问题。如果没有更好的错误，“不符合”只是“发生了不好的事情”的样板。

2. 不，这并不是说 Ghostscript 破坏了它。它给出了 PDF 文件损坏的 2 个常见原因；通过非二进制机制(例如电子邮件)或进行 CR/LF 转换或编辑文件的机制进行传输。

3. 你好像不知道你的文件出了什么问题？我看不出有任何理由让您认为 GS 忽略了错误，事实上，在外部参照问题的情况下，它绝对不会忽略它，它会尝试修复它。遗憾的是，“固定”外部参照显然不正确，因为它认为没有页面。

4. 不确定这里的问题是什么； GS 不会输出单行摘要。您可以设置 -dPDFSTOPONERROR 如果 PDF 文件有问题，它将退出并显示错误代码。不过，这将是一条完整的 PostScript 错误消息，而不是一行。