pypdf 如何写入 PDF 文件

pypdf 使用 PdfWriter 来写入 PDF 文件。pypdf 提供 PdfObject 及其多个子类，这些类实现了 write_to_stream 方法。PdfWriter.write 方法通过调用引用对象的 write_to_stream 方法实现文件写入。

PdfWriter.write_stream 方法包括以下核心步骤：

  1. _sweep_indirect_references：此步骤确保正确处理对象的循环引用。它将所有循环引用对象的引用编号添加到外部引用映射中，以便自引用页面树可以正确引用新对象位置，而不是复制页面对象的新副本。

  2. 使用 _write_pdf_structure 写入文件头和主体：此步骤将 PDF 头部和对象写入输出流。这包括 PDF 版本信息（例如 %PDF-1.7）以及组成 PDF 内容的对象，如页面、注释和表单字段。同时记录这些对象的位置（字节偏移量），以便后续生成交叉引用表（xref table）。

  3. 使用 _write_xref_table 写入交叉引用表：根据存储的对象位置，此步骤生成并写入交叉引用表。交叉引用表包含 PDF 文件中每个对象的字节偏移量，从而实现对对象的快速随机访问。

  4. 使用 _write_trailer 写入文件尾部：此步骤将文件尾部信息写入输出流。文件尾部包含重要信息，例如 PDF 中对象的数量、根对象（Catalog）的位置以及包含元数据的 Info 对象。尾部还指定交叉引用表的位置。

其他库的实现方式

分析其他软件的设计和实现方式，有助于我们改进自身的设计决策。

fpdf2

fpdf2 提供了一个 PDFObject 类，其中的 serialize 方法大致对应于 pypdf.PdfObject.write_to_stream。其他相似之处包括：

pdfrw

pdfrw 的设计与 pypdf 不同，它更倾向于使用标准的 Python 对象（如 bool、float、string），尽量避免将其包装成自定义对象。但 pdfrw 仍提供了以下类：

pdfrw 的核心类包括：