关于扫描PDF文档显示由PDFlib 6.0.3生成的技术问询

1. 扫描生成的文档为何显示由PDFlib 6.0.3生成？ #

有几种常见场景：

• 扫描工具底层依赖PDFlib：不少商用或定制化扫描软件不会直接生成原生图像PDF，而是调用PDFlib库封装扫描得到的图像数据，最终生成符合标准的PDF文件，此时生成器信息会被标记为PDFlib。
• 后期用PDFlib重新处理：原始扫描PDF可能被PDFlib工具打开后重新导出，或是添加了页眉、水印等内容，PDFlib会覆盖原文档的生成器元数据。
• OCR处理时调用PDFlib：扫描后做OCR识别并嵌入文本层的过程中，部分OCR工具会借助PDFlib完成PDF重构，导致生成器信息变更。

2. 为何“创建”时间戳晚于“修改”时间戳？ #

这通常是人为操作或工具逻辑导致的，常见原因：

• 元数据被手动修改：通过PDF编辑工具（包括基于PDFlib开发的工具）可单独修改创建/修改时间，比如为掩盖编辑痕迹，故意将修改时间设为更早值，保留创建时间为实际操作时间。
• 文档被重新生成：原扫描PDF被PDFlib读取后重新生成新文件时，新文件的“创建”时间是生成时的时间，而“修改”时间可能被工具设置为原文档的修改时间，或是工具逻辑错误导致时间顺序颠倒。
• 文件系统时间干扰：PDF文件被复制、迁移时，若系统时间设置异常，也可能导致文件属性时间戳顺序异常，但这种情况较少见。

3. 扫描生成的文档能否通过PDFlib进行后期编辑？ #

完全可以。扫描生成的PDF本质是包含图像流的PDF文件，PDFlib作为专业的PDF生成/编辑库，支持以下操作：

• 在现有页面添加文本、图形、水印、注释等元素；
• 替换或修改扫描得到的图像层；
• 插入、删除页面；
• 对扫描图像做OCR识别后嵌入可搜索文本层；
• 调整文档元数据、权限设置等。

4. 若存在修改，有无办法查看所有变更记录？ #

PDF本身没有内置完整变更日志，需通过工具和方法间接排查：

• 元数据检查：用pdfinfo命令查看文档元数据，对比创建/修改时间、生成器信息的异常变化；
• 文档结构分析：用pdf-parser类工具解析PDF内部对象，查看对象的修订号标记，多次编辑后部分对象可能保留旧版本痕迹；
• 页面内容对比：若有原始扫描文档备份，可使用PDF对比工具（如Acrobat的“比较文件”功能）逐页对比图像差异，判断是否有图像被替换或修改；
• 痕迹排查：若编辑时添加了文本层或注释，这些元素会在PDF内容流中留下明显标记，可通过解析内容流发现。
  注意：如果文档被彻底重写（如导出扫描图像后重新生成PDF），几乎无法追踪原始修改痕迹。

内容的提问来源于stack exchange，提问作者Spike