PDF 交叉引用表的作用以及它為何因圖書館而異
每個 PDF 檔案都包含一個交叉引用表，該表將物件編號對應到檔案內的位元組偏移量。當閱讀器開啟 PDF 時，它會先讀取此表來定位頁面、字型、圖像和元數據，而無需按順序掃描整個文件。 PDF 標準規範定義了兩種交叉引用表格式：PDF 1.0 中基於 ASCII 的原始格式和 PDF 1.5 中引入的壓縮交叉引用流。這兩種格式具有相同的目的，但在二進位層級上結構上彼此不相容。
格式之間的差異會產生實際後果。
這一步可以防止大多數合併失敗。
不同的 PDF 建立庫預設採用不同的格式，這是大多數合併時間衝突的根本原因。以最大相容性為目標的程式庫，例如 LibreOffice 等辦公室套件和舊版本的 Microsoft Office 使用的程式庫，傾向於使用原始的 ASCII 表格格式，因為它可以被曾經編寫的每個 PDF 閱讀器解析。注重檔案大小效率的函式庫（包括 iText、Adobe SDK 和 Apple Quartz）預設為壓縮交叉引用流，可將檔案開銷減少 30% 到 50%。當您對使用不同表格格式的文件執行合併 PDF操作時，合併工具必須將這些根本不同的資料結構協調成每個讀者都可以正確解析的單一統一表格。
每個庫所針對的 PDF 規範版本也至關重要。針對 PDF 1.4 的函式庫無法產生 PDF 1.5 中引入的壓縮交叉引用流。如果合併工具收到一個包含 ASCII 表的 PDF 1.4 文件和一個包含壓縮流的 PDF 1.7 文件，則該工具必須升級舊文件的表格式（這會更改其 PDF 版本聲明），或者降級新文件的格式（這可能會丟失存儲在僅流字段中的信息）。選擇不正確可能會產生一個文件，其標頭中聲明的 PDF 版本與其內部結構不匹配，從而使使用版本檢測來決定如何解釋該表的解析器感到困惑。有些讀者會信任標頭版本並嘗試對 ASCII 表進行串流解析，從而產生解析錯誤，而其他讀者則會檢查實際的表格式並正確呈現。
合併的 PDF 存在交叉引用表問題的跡象
交叉引用損壞會產生一組可識別的症狀，經驗豐富的 PDF 使用者學會快速識別這些症狀。最明顯的跡像是合併的 PDF 在一個檢視器中正確打開，但在另一個檢視器中顯示錯誤或空白頁。造成這種不一致的原因是不同的觀看者對結構錯誤的容忍程度截然不同。 Adobe Acrobat 是最寬容的，它會嘗試即時重建損壞的交叉引用表，通常會成功地渲染文件。基於瀏覽器的檢視器（例如 Chrome 的 PDFium 和 Firefox 的 PDF.js）是更嚴格的解析器，當遇到 Acrobat 默默修正的表不一致時，它們根本拒絕渲染檔案。
頁面級症狀是下一個診斷線索。如果特定頁面物件的交叉引用條目指向錯誤的位元組偏移量，則檢視器無法找到正確的頁面內容流，並且呈現空白頁面或重複來自不同頁面的內容。使用者可能還會注意到特定頁面上的圖像遺失或被空白灰色矩形取代。這些圖像失敗對應於交叉引用表中的 XObject 條目，當圖像流移動到合併文件中的新位置時，這些條目不會重新計算。在特定頁面上出現亂碼或使用錯誤字體的文字表示字體描述符條目的位元組偏移量不正確，導致查看者替換以不同方式映射字元的預設字體。
一個不太明顯但同樣重要的標誌是文件通過了快速目視檢查，但未通過正式的PDF 版本控制 驗證或預檢檢查。印刷店和監管機構對每個提交的文件執行自動 PDF/A 或 PDF/X 驗證。交叉引用表錯誤即使不會在螢幕上導致可見的渲染問題，也會使這些驗證失敗並導致檔案在任何人查看之前被拒絕。對於向法院提交法律文件或向監管機構提交財務報告的組織來說，預檢拒絕可能意味著錯過法定期限和重新提交處罰，從而帶來真正的財務後果。
交叉引用表格式及其合併行為
| 格式 | 引入 | 結構 | 相容性 | 合併風險 |
|---|---|---|---|---|
| ASCII 交叉引用表 | PDF 1.0 | 具有人類可讀位元組偏移量的純文本 | 最大限度;每個讀者都支持 | 低的;直接重新計算 |
| 交叉引用流 | PDF 1.5 | 具有可變寬度欄位的壓縮二進位文件 | 適合現代讀者； 2010年之前可能會失敗 | 中等的;字段寬度需要精確重新計算 |
| 混合（兩個表） | PDF 1.5+ | 流加 ASCII 預告片以實現傳統回退 | 好的;現代讀者使用流，傳統的回退 | 高的;兩者必須保持一致 |
不同的 PDF 庫如何處理交叉引用表
| 庫/工具 | 默認表 | 增量保存 | 合併行為 |
|---|---|---|---|
| LibreOffice / OpenOffice 匯出 | ASCII 表 | 不;總是寫入完整的新表 | 平面 ASCII 表；輕鬆合併，更大的文件 |
| 報告實驗室 (Python) | ASCII 表 | 不 | 結構簡單；有利於自動合併 |
| iText / iTextSharp | 流（PDF 1.5+） | 是的;支援增量保存 | 需要正確的 API 呼叫來協調格式 |
| 蝦子（紅寶石） | 僅 ASCII 表 | 不 | 簡單合併友善；功能有限 |
| 微軟列印到PDF | 交叉引用流 | 不 | 可以產生與庫輸出不同的結構 |
| 蘋果石英 (macOS/iOS) | 交叉引用流 | 是的 | 可能攜帶 macOS 特定的元數據 |
當您知道合併批次中每個文件的來源庫時，您可以在相容性問題出現之前預測它們。來自 ReportLab 和 Prawn 的文件均使用 ASCII 表，可以將交叉引用衝突的風險降至最低。將 ReportLab 檔案與使用壓縮流的 iText 檔案組合需要一個合併工具，該工具能夠理解這兩種格式並將它們規範化為單一一致的表示形式。最可靠的合併工具會在開始合併之前檢查每個輸入檔案的交叉引用格式，並選擇所有輸入都可以轉換為的統一輸出格式而不會遺失資料。
用於合併具有衝突表格格式的 PDF 的安全工作流程
來自不同來源的 PDF 的系統合併工作流程首先是在合併開始之前檢查每個輸入文件的交叉引用表格式。隨著時間的推移，交叉引用錯誤會加劇。大多數 PDF 元資料檢視器和命令列檢查工具都可以報告檔案是否使用 ASCII 表、壓縮流或混合方法。如果所有輸入檔案共用相同的表格式，則合併操作的結構風險較低，可以直接進行。如果輸入集的格式不同，則需要額外的準備步驟來在合併之前建立統一的基線。
當存在格式衝突時，最安全的預合併步驟是將所有輸入檔案標準化為通用格式。使用支援明確格式降級的 PDF 最佳化工具將使用壓縮流的檔案轉換為 ASCII 表。這種規範化會暫時將每個檔案的大小增加 20% 到 40%，但會為合併操作建立完全統一的基準。合併成功完成後，如果需要考慮檔案大小，請執行合併後最佳化過程，將統一 ASCII 表轉換回最終輸出中的壓縮流。這種兩遍方法（規範化、合併、然後重新優化）增加了處理時間，但消除了交叉引用表損壞的最常見來源。
使用規範化輸入執行合併後，至少使用兩個不同的 PDF 檢視器驗證輸出，其中一個應該是嚴格的驗證器，例如 VeraPDF 或 Adobe Acrobat Pro 中的內建預檢檢查器。在寬容的桌面檢視器和嚴格的標準驗證器中開啟且沒有錯誤的檔案很有可能在所有閱讀器軟體、作業系統和嵌入式檢視上下文中正常運作。對於任務關鍵型合併文檔，請使用基於瀏覽器的檢視器新增第三次驗證，因為瀏覽器引擎對交叉引用表不一致最敏感。
能夠很好地處理交叉引用協調的工具，包括WukongPDF的合併引擎，在合併過程本身期間自動進行表格式檢測和規範化。透過理解兩種表格式的合併工具的單次傳遞消除了手動規範化步驟，並產生在第一次嘗試時通過驗證檢查的合併文件，從而節省了多步驟手動協調工作流程的時間和不確定性。
防止重複合併工作流程中的交叉引用衝突
定期合併多個來源的 PDF 的組織可以從整個文件工具鏈中標準化 PDF 生成設定中獲益匪淺。配置組織中的每個 PDF 匯出工具以使用相同的交叉引用表格式、相同的目標 PDF 版本和相同的色彩空間處理。這種標準化工作需要配置時間的初始投資，但透過消除與合併文件中的交叉引用衝突相關的故障排除開銷，可以獲得數倍的回報。當每個輸入檔使用相同的表格式時，合併操作變得確定且可靠。
如果您無法控制所有來源工具的 PDF 生成設定（這在從外部合作夥伴和客戶接收文件時很常見），請在文件處理工作流程中建立強制的合併前規範化步驟。在允許任何合併操作之前，使用批次工具將每個傳入的 PDF 轉換為統一格式。此標準化步驟會增加每個檔案幾秒鐘的處理時間，但會避免花費數小時調試下游渲染問題。在標準作業程序中記錄準確的標準化設置，以便每個處理 PDF 的團隊成員在所有合併批次中一致地應用相同的轉換參數。