Détecter si le fichier PDF est correct (en-tête PDF) [fermé]

j'ai vérifier en-Tête de fichier PDF comme ceci:

 public bool IsPDFHeader(string fileName)
    {
        byte[] buffer = null;
        FileStream fs = new FileStream(fileName, FileMode.Open, FileAccess.Read);
        BinaryReader br = new BinaryReader(fs);
        long numBytes = new FileInfo(fileName).Length;
        //buffer = br.ReadBytes((int)numBytes);
        buffer = br.ReadBytes(5);

        var enc = new ASCIIEncoding();
        var header = enc.GetString(buffer);

        //%PDF−1.0
        // If you are loading it into a long, this is (0x04034b50).
        if (buffer[0] == 0x25 && buffer[1] == 0x50
            && buffer[2] == 0x44 && buffer[3] == 0x46)
        {
            return header.StartsWith("%PDF-");
        }
        return false;

    }

la première ligne D'un fichier PDF est un en-tête identifiant la version de la spécification PDF que le fichier est conforme %PDF-1.0,%PDF-1.1,%PDF-1.2, %PDF-1.3,%PDF-1.4 etc.

vous pouvez vérifier cela en lisant quelques octets à partir du début du fichier et voir si vous avez l'en-tête au début pour une correspondance en tant que fichier PDF. Voir le référence PDF de Adobe pour plus de détails.

ne pas avoir d'exemple .NET pour vous (n'ont pas touché à la chose dans certains mais même si je l'avais fait, je ne suis pas sûr que vous puissiez vérifier un contenu valide complet du fichier. L'en-tête peut être correct mais le reste du fichier peut être perturbé (comme vous l'avez dit vous-même, certains fichiers sont corrompus).

les fichiers PDF qui se comportent bien commencent avec les 9 premiers octets comme %PDF-1.x plus une nouvelle ligne (où x dans 0..8). 1.x est supposé vous donner la version du format de fichier PDF. La deuxième ligne sont quelques octets binaires afin d'aider les applications (éditeurs) à identifier le PDF comme un type de fichier non-ASCIItext.

cependant, vous ne pouvez pas du tout faire confiance à cette étiquette. Il ya beaucoup d'applications là-bas qui utilisent des fonctionnalités de PDF-1.7 mais prétendent être PDF-1.4 et sont donc trompeurs certains téléspectateurs en crachant des messages d'erreur invalides. (La plupart du temps, ces fichiers PDF sont le résultat d'une conversion mal gérée du fichier D'une version PDF supérieure à une version PDF inférieure.)

il n'existe pas de section telle qu'un "en-tête" en PDF (peut-être les 9 octets initiaux de %PDF-1.x c'est ce que vous vouliez dire par "en-tête"?). Il peut y avoir une structure intégrée pour contenir les métadonnées à l'intérieur du PDF, vous donnant des informations sur L'auteur, CreationDate, ModDate, le titre et d'autres choses.

Ma façon de vérifier de manière fiable pour PDF corruption

il n'y a pas d'autre moyen de vérifier la validité et la non-corruption d'un PDF que de le rendre.

Un "pas cher" et plutôt moyen fiable de vérifier la validité pour moi personnellement, c'est d'utiliser Ghostscript.

cependant: vous voulez que cela arrive rapidement et automatiquement. Et vous voulez utiliser la méthode programatically ou via une approche scriptée pour vérifier de nombreux PDFs.

l'astuce est Là:

• ne laissez pas Ghostscript rendre le fichier à un écran ou à un fichier (image) réel.
• utilisez Ghostscript nullpage dispositif à la place.

Voici un exemple de ligne de commande:

gswin32c.exe ^
    -o nul ^
    -sDEVICE=nullpage ^
    -r36x36 ^
    "c:/path to /input.pdf"

cet exemple est pour Windows; sur Unix utilisez gs au lieu de gswin32c.exe et -o /dev/null.

en utilisant -o nul -sDEVICE=nullpage ne produira aucun résultat de rendu. Mais toutes les sorties stderr et stdout de Ghostscript traitent l'entrée.pdf apparaissent toujours dans votre console. -r36x36 définit la résolution de 36 pouce pour accélérer l'enregistrement.

%errorlevel% (ou $? sous Linux) sera 0 pour un fichier non corrompu. Il sera non0 pour les fichiers corrompus. Et tout message d'avertissement ou d'erreur apparaissant sur stdout peut vous aider à identifier les problèmes avec l'entrée.PDF.

il n'y a pas d'autre moyen de vérifier la corruption d'un fichier PDF que de le rendre d'une manière ou d'une autre...

Vous pouvez utiliser iTextSharp ouvrir et essayer d'analyser le fichier (par exemple essayer d'en extraire du texte) mais c'est probablement exagéré. Vous devez également être conscient que c'est GNU Affero GPL sauf si vous achetez une licence commerciale.

vérifier l'en-tête est délicat. Une partie du code ci-dessus ne fonctionnera tout simplement pas puisque tous les PDF ne commencent pas avec %PDF. Certains pdf qui s'ouvrent correctement dans un viewer commencent avec un marqueur BOM, d'autres commencent comme ceci

------------e56a47d13b73819f84d36ee6a94183 Contenu-Disposition: form-data; name= " par" ...etc

donc vérifier pour "% PDF " ne fonctionnera pas.

Ce que je fais, c'est:

1.Valider l'extension

2.Ouvrez le fichier PDF, lisez l'en-tête (première ligne) et vérifiez s'il contient cette chaîne de caractères: "%PDF-"

3.Vérifiez si le fichier contient une chaîne de caractères qui spécifie le nombre de pages en recherchant plusieurs "/Page" (le fichier PDF doit toujours avoir au moins 1 page)

comme suggéré précédemment, vous pouvez également utiliser une bibliothèque pour lire le fichier: Lecture de Fichier PDF à l'Aide de iTextSharp