摘  要： 針對(duì)可變數(shù)字印刷中常用的頁面描述語言及其文件格式，通過研究PostScript文件結(jié)構(gòu)和PDF文件結(jié)構(gòu)，介紹了如何實(shí)現(xiàn)PostScript文件與PDF文件間的數(shù)據(jù)轉(zhuǎn)換，給出兩種文件間轉(zhuǎn)換算法流程圖，并利用PostScript解釋器Ghostscript提供的API接口，實(shí)現(xiàn)了PostScript文件和PDF文件間的轉(zhuǎn)換。轉(zhuǎn)換結(jié)果表明，該轉(zhuǎn)換算法轉(zhuǎn)換效果比較好，實(shí)現(xiàn)了所見即所得。
關(guān)鍵詞： PostScript；PDF；數(shù)據(jù)轉(zhuǎn)換

　在可變數(shù)據(jù)印刷系統(tǒng)中，每個(gè)電子頁面的內(nèi)容（如文字、圖形、圖像）經(jīng)過頁面描述語言合成后產(chǎn)生相應(yīng)的可變數(shù)據(jù)印刷頁面，最終形成特定的數(shù)據(jù)文件。PostScript文件（簡稱PS）和PDF文件是目前存儲(chǔ)可變數(shù)據(jù)印刷頁面常用的文件格式，因此，研究這兩種文件格式之間的數(shù)據(jù)轉(zhuǎn)換對(duì)可變數(shù)據(jù)印刷的發(fā)展具有一定的意義。而當(dāng)前PS文件與PDF文件之間的轉(zhuǎn)換主要有兩種方式[1]：（1）通過專業(yè)的軟件（如Acrobat Distiller）轉(zhuǎn)換；（2）通過虛擬打印機(jī)來實(shí)現(xiàn)。
　但是這兩種方式都不利于自主研究數(shù)據(jù)印刷系統(tǒng)的開發(fā)。本文根據(jù)PS文件格式和PDF文件格式的特點(diǎn)，利用PS解釋器Ghostscript提供的API接口，通過VC6.0實(shí)現(xiàn)了PS文件和PDF文件的相互轉(zhuǎn)換，并給出相應(yīng)的代碼。
1 PostScript和PDF文件結(jié)構(gòu)
1.1 PostScript文件
　PostScript是由Adobe公司開發(fā)的頁面描述語言，其最大特點(diǎn)是可以將印刷品中包含的文字、圖形、圖像、字體和顏色等各種元素用一種計(jì)算機(jī)數(shù)據(jù)來表現(xiàn)和描述，然后經(jīng)過RIP（光柵圖像處理器）快速地解釋為可控制打印設(shè)備輸出用的點(diǎn)陣信息。用PostScript語言所描述的頁面文件稱為PS文件，其后綴名為.ps或.eps。
　PostScript程序可訪問的所有數(shù)據(jù)都是以對(duì)象（Object）形式存在的[2]，對(duì)象由操作符產(chǎn)生、管理和撤銷。常用的對(duì)象有整數(shù)和實(shí)數(shù)、布爾型、數(shù)組、壓縮數(shù)組、串、名字、字典等[3-4]。程序中的數(shù)據(jù)存儲(chǔ)在堆棧中并通過堆棧被操作符管理執(zhí)行。
　PostScript語言解釋器對(duì)語句的執(zhí)行是逐句解釋執(zhí)行，控制比較靈活，一切操作均通過堆棧進(jìn)行。例如用粗線畫一個(gè)圓：
%%Title：用粗線畫一個(gè)圓
/inch{72 mul} def
4.25 inch 5.5 inch
2.5 inch
0 360 arc                                
1.75 inch setlinewidth
stroke
showpage
　以‘%’開頭的第一段語句表示注釋，第二段語句定義了名字對(duì)象‘inch’，接著定義圓的中心位置（4.25，5.5），半徑2.5；然后畫角度為360°的圓；最后定義粗線的寬度1.75，畫出粗線的路徑進(jìn)行顯示。
1.2 PDF文件
　便攜式文件格式PDF（Portable Document Format）是Adobe公司繼PostScript后于1993年推出的一種電子文件格式[5]。它具有能夠完整地保存任何原文檔中的文字、格式、顏色、圖形、可加密等優(yōu)秀特性，廣泛應(yīng)用于數(shù)據(jù)印刷系統(tǒng)中。
　PDF文件主要由四部分組成：文件頭（Header）、文件體（Body）、交叉引用表（Cross-referrence table）和文件尾（Trailer）。PDF作為一種結(jié)構(gòu)化的文件格式，它是由一些具有特定數(shù)字標(biāo)號(hào)的“對(duì)象”的模塊所組成。其文檔結(jié)構(gòu)是一種樹形結(jié)構(gòu)，通過文件尾（Trailer）可以找到文件體的根對(duì)象Catalog[6]，根對(duì)象包含PDF文檔的大綱（Outline）、頁面組對(duì)象（Pages Tree）等。文檔結(jié)構(gòu)具體層次關(guān)系如圖1所示。

　其中頁面對(duì)象（Page）作為PDF中最重要的對(duì)象，包含了該頁面的文字、圖片、頁面大小等信息。頁面中包含的信息是包含在一個(gè)稱為流（stream）[7-8]的對(duì)象里，這個(gè)流的長度（字節(jié)數(shù)）必須直接給出或指向另外一個(gè)對(duì)象。
2 文件格式轉(zhuǎn)換算法的實(shí)現(xiàn)
　根據(jù)前兩節(jié)的PostScript文件結(jié)構(gòu)可知，要實(shí)現(xiàn)PS文件到PDF文件的轉(zhuǎn)換，首先需要對(duì)PS文件中的不同信息（文字、圖形和圖像等）進(jìn)行解析，然后轉(zhuǎn)換為對(duì)應(yīng)的PDF對(duì)象。兩者間轉(zhuǎn)換的總流程主要為：
?。?）導(dǎo)入要轉(zhuǎn)換的PostScript文件，初始化PS解釋器；
?。?）開始掃描PS文件，記錄當(dāng)前代碼段所在頁。判斷頁信息是否已經(jīng)到末尾，是則退出，否則繼續(xù)向下掃描；
?。?）讀取PS頁面描述信息，對(duì)其中的文本信息、圖形信息和圖像信息分別進(jìn)行提取并處理；
?。?）將第三步中處理的文本、圖形和圖像信息進(jìn)行重構(gòu)，然后分別轉(zhuǎn)換為相對(duì)應(yīng)的PDF對(duì)象；
　（5）判斷PS文件是否掃描結(jié)束，是則回到第（2）步，否則回到第（3）步；
?。?）轉(zhuǎn)換算法結(jié)束。
　圖2為PS文件轉(zhuǎn)換為PDF文件的總流程圖。

　由于PostScript文件對(duì)文本、圖形和圖像的描述機(jī)制各不相同，因此，其相應(yīng)的信息提取算法也不盡相同。在PostScript文件中，圖像是取樣值的矩形數(shù)值，每個(gè)取樣值表示某種彩色。按行或者列掃描圖像矩形所得的一串取樣數(shù)據(jù)定義了一個(gè)圖像。除了矩形數(shù)組之外，PS程序中還包括一些圖像參數(shù)：源圖像的格式、圖像取樣數(shù)據(jù)的數(shù)據(jù)源、圖像空間坐標(biāo)等。因此，對(duì)PS文件中圖像的提取主要是將圖像的參數(shù)和圖像取樣數(shù)據(jù)進(jìn)行提取，其對(duì)應(yīng)的提取算法流程圖如圖3所示。

　在標(biāo)準(zhǔn)的PostScript文件中，文本大都是以字庫[9]的形式進(jìn)行保存，因此在PostScript中的字符可以由PS解釋器根據(jù)字庫提取出對(duì)應(yīng)的字符。對(duì)PS文件中文本信息的提取流程如圖4所示，主要過程如下：
?。?）掃描文檔，記錄當(dāng)前頁面信息。判斷是否已掃描到文件尾，是則跳轉(zhuǎn)到第（5）步，否則跳到第（2）步；
?。?）繼續(xù)掃描，判斷是否掃描到文本提示符，是則跳到第（3）步，否則跳回第（1）步；
?。?）根據(jù)文本提示符獲取相應(yīng)的字庫詞典，查找字庫獲取PS所描述的字符；
?。?）保存第（3）步提取的文本信息；
?。?）結(jié)束文本掃描。

　掃描文件時(shí)通過尋找關(guān)鍵操作符函數(shù)FindStringInBuffer（），可以得到需要的操作符位置。源程序如下：
size_t FindStringInBuffer（char*buffer，char*search，size_t buffersize）
{
     char*buffer0=buffer；
     size_t len=strlen（search）；
     bool fnd=false；
     while （!fnd）
     {
       fnd=true；
       for（size_t i=0；i<len；i++）
       {
         if（buffer[i]!=search[i]）
         {
           fnd=false；
           break；
         }
     }
     if （fnd） return buffer-buffer0；
     buffer=buffer+1；
  if （buffer-buffer0+len>=buffersize）
  return-1；
  }
  return-1；
}
　由于PS解釋器的實(shí)現(xiàn)比較復(fù)雜，本文通過利用PS解釋器Ghostscript提供的API接口函數(shù)對(duì)PS文件進(jìn)行解釋轉(zhuǎn)換。首先通過接口函數(shù)gsapi_new_instance（）新建一個(gè)要轉(zhuǎn)換的實(shí)例。轉(zhuǎn)換過程主要在接口函數(shù)gsapi_init_with_args（）中進(jìn)行，即初始化PS解釋器并將輸入PS對(duì)象轉(zhuǎn)換為對(duì)應(yīng)的PDF對(duì)象。主要轉(zhuǎn)換程序如下：
if（code=gsapi_new_instance（&minst， NULL））  
{
     printf（"Can′t create Ghostscript instance\n"）；
     return 1；
}
code=gsapi_init_with_args（minst，gsargc，（char**）gsargv）；
code1=gsapi_exit（minst）；
if（（code==0）||（code==e_Quit））
code=code1；
gsapi_delete_instance（minst）；
if（（code==0）||（code==e_Quit））
  return 0；
3 效果及結(jié)論
　本文的程序在VC6.0上編譯通過，并可以將輸入的PS文件（my.ps）轉(zhuǎn)換為PDF文件（my.pdf）。轉(zhuǎn)換前后的結(jié)果如下：
　由圖5和圖6可以看出，轉(zhuǎn)換前后的圖像幾乎完全一樣。由圖7中文本的轉(zhuǎn)換結(jié)果可以看出，轉(zhuǎn)換的字符內(nèi)容一樣。通過修改輸入文件名和輸出文件名類型，例如輸入文件為.pdf格式文件，輸出文件為.ps文件，也可以實(shí)現(xiàn)PDF文件到ＰＳ文件的轉(zhuǎn)換。因此，在設(shè)計(jì)開發(fā)可變數(shù)據(jù)印刷系統(tǒng)時(shí)，可以將該程序作為數(shù)據(jù)轉(zhuǎn)換的一部分嵌入到印刷軟件系統(tǒng)中，具有一定的實(shí)用性。但是，由于ＰＳ解釋器并非獨(dú)立設(shè)計(jì)，受到其接口函數(shù)的限制，程序的延伸性不是很好。

參考文獻(xiàn)
[1] 張志偉，孔凡讓，吳欣.PostScript格式文獻(xiàn)中數(shù)學(xué)表達(dá)式的提取方法[J].計(jì)算機(jī)應(yīng)用與軟件，2008，25（11）：157-159.
[2] USA Adobe Systems Inc. PostScript language reference mannal. Addison Wesley Protessional， 1990.
[3] 何明，匡燕玲，李小龍，等.頁面描述語言PostScript及其轉(zhuǎn)換程序[J]. 北京工業(yè)大學(xué)學(xué)報(bào)，2004，20（4）：102-104.
[4] 徐福培，潘志庚.頁面描述語言及其程序設(shè)計(jì)[M].南京：南京大學(xué)出版社，1994.
[5] USA Adobe Systems Inc. Document management-Portable document format-Part 1：PDF 1.7[J]. Adobe Systems Incorporated， 2008， PDF 32000-1.
[6] 李珍，田學(xué)東.PDF文件信息的抽取與分析[J].計(jì)算機(jī)應(yīng)用，2003，23（12）：145-148.
[7] 王婉，韓逸秋，徐福培.PDF文件格式及其向PS文件轉(zhuǎn)換的研究[J].計(jì)算機(jī)科學(xué)，2001，28（9）：123-127.
[8] 吳一民，朱檬，羅綿川.基于.NET平臺(tái)PostScript文件解析標(biāo)引系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].微計(jì)算機(jī)應(yīng)用，2009（10）：5863.
[9] 段華偉，黃靈閣.計(jì)算機(jī)文字處理技術(shù)現(xiàn)狀[J].印刷質(zhì)量與標(biāo)準(zhǔn)化，2004（5）：39-41.