PDF中FlateDecode编码流压缩方式识别及zlib头异常问题咨询

你观察到的头部不符合zlib格式的核心原因是：stream关键字后的0D 0A是PDF语法要求的换行分隔符，不属于压缩流的有效内容，需要跳过这两个字节后再解析压缩数据。

• 按照PDF 1.7规范，stream和实际流数据之间必须用一个回车（0x0D）加换行（0x0A）、或者单独一个换行（0x0A）分隔，该分隔符不计入/Length字段声明的流长度。
• 如果你跳过前两个字节后仍然无法用标准zlib接口解压，说明该流使用了无zlib头、无尾部ADLER32校验的Raw Deflate格式：部分PDF生成工具会输出这类不符合严格规范，但主流PDF阅读器都做了兼容处理的流数据。

你可以用以下逻辑测试解压，以Python代码为例：

import zlib

# 跳过stream后的换行，提取长度等于/Length值的字节作为raw_compressed
try:
    # 优先尝试标准zlib格式解压
    res = zlib.decompress(raw_compressed)
except zlib.error:
    # 报错则切换为Raw Deflate模式，wbits=-15表示忽略zlib头/尾校验
    res = zlib.decompress(raw_compressed, wbits=-15)

内容的提问来源于stack exchange，提问作者mikael h