epub电子文件格式底层结构
epub的本质是zip,里面是很多html文件。
pdf的本质是一句话概括:PDF 的本质是一个“页面描述文件”——它用一套指令精确描述每一页上有什么、放在哪里、长什么样,而不是简单地把页面存成图片。
更准确地说:
1. 它描述的是“页面上的对象”,不是“图像”
PDF 内部把每一页拆成一堆对象:文字对象、字体对象、矢量图形对象、图片对象(如果有的话)、颜色、坐标、图层等。它记录的是“在坐标 (x, y) 处用某字体、某字号画出这些字符”,而不是“这里有一个像素点”。
2. 它是基于 PostScript 的、与设备无关的格式
PDF 源自 PostScript,目标是“所见即所得”:无论用什么屏幕、什么打印机,同一份 PDF 应渲染出相同版面。所以它强调版面精确固定,而不是像 HTML/EPUB 那样可重排。
3. 图片只是它可能包含的一种对象
- 文本型 PDF:页面主要是文字+字体+矢量指令,可能完全没有图片。
- 扫描型 PDF:页面主体就是一张大位图,文字层可能没有,或只有 OCR 加上的隐藏文字层。
- 所以“PDF = 图片”只在扫描型 PDF 上近似成立,不是 PDF 的本质。
4. 本质上是“容器 + 指令集”
PDF 是一个容器格式:可以装文字、矢量图、位图、字体、表单、链接、书签、元数据、加密信息等;同时它有一套页面描述指令,规定这些对象在页面上如何摆放和绘制。
对比记忆:
- 图片(JPEG/PNG):本质是像素矩阵。
- PDF:本质是“这一页由哪些对象、按什么指令画出来”的描述文件;图片只是它可嵌入的一种素材。
浙公网安备 33010602011771号