使用zlib解压PDF FlateDecode流时出现错误码-3的技术求助

问题描述 #

我尝试从美国联邦航空局（FAA）仪表程序航图的PDF文件中提取信息，该PDF在Adobe Acrobat中可正常打开，但其中一段12字节的FlateDecode压缩流用同一Python 3.9程序无法解压（文档中其他流解压正常）。用iText作者开发的PDF分析工具RUPS解码该流时也有困难，仅显示一个字符。

运行以下代码时出现zlib error code -3 while using zlib to decompress PDF Flatedecode stream错误：

import zlib

hexDigits = "78 9c e3 2a e4 e5 02 20 01 a3 20 93"
stripWhitespace = hexDigits.replace(" ", "")

myByteArray = bytearray.fromhex(stripWhitespace)
data = zlib.decompress(myByteArray) # 报错：Error -3 while decompressing data: incorrect data check
print(data)

可能的原因及解决方法 #

• 未处理PDF预测器
  PDF的FlateDecode流常搭配预测器（如PNG预测器）使用，若直接用zlib解压而不先处理预测器，会触发校验错误。先查看该流的/Predictor属性，根据PDF规范中的对应算法处理原始解压数据。
• zlib校验严格性问题
  Adobe Acrobat对PDF流有容错机制，会忽略部分校验错误继续解析，但zlib对数据完整性要求严格。可以尝试跳过zlib头校验，直接解压原始DEFLATE数据：
  修改代码中的解压语句为：

  data = zlib.decompress(myByteArray, wbits=-15)
  

  wbits=-15表示不使用zlib头和尾校验，仅解压DEFLATE压缩数据。
• 非标准压缩参数
  部分PDF会使用非标准的FlateDecode压缩参数，可尝试调整zlib的窗口大小参数（wbits的其他取值，如wbits=15为标准zlib格式，wbits=8到wbits=14对应不同窗口大小）。

测试修改后的代码 #

import zlib

hexDigits = "78 9c e3 2a e4 e5 02 20 01 a3 20 93"
stripWhitespace = hexDigits.replace(" ", "")

myByteArray = bytearray.fromhex(stripWhitespace)
# 跳过zlib头校验，直接解压DEFLATE数据
data = zlib.decompress(myByteArray, wbits=-15)
print(data)

内容的提问来源于stack exchange，提问作者DarwinIcesurfer