AI 助理
备案控制台
开发者社区 安全 文章 正文

PDF文件解析与PDF恶代分析中的一些坑

2017-11-01 2293
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
公共DNS（含HTTPDNS解析），每月1000万次HTTP解析
云解析 DNS，旗舰版 1个月
密钥管理服务KMS，1000个密钥，100个凭据，1个月
简介：

一、简介

最近在做文档类的恶代检测，写个总结。

本篇文章负责介绍pdf文档的格式以及恶代分析中需要注意的问题以及相应工具推荐。希望能给各位做恶代分析时提供一些帮助。

后序会更新一些其他文档格式解析与恶代分析内容等，欢迎各位关注。

PDF文件解析与PDF恶代分析中的一些坑

二、PDF文件格式介绍

PDF(便携式文件格式，Portable Document Format)是由Adobe Systems于1993年基于文件交换所发展出的一种文件格式。Adobe公司素有“漏洞之王”的美誉，所以学习PDF文件格式对研究分析漏洞具有极大帮助。PDF格式较为复杂，本文以研究漏洞的目的分析PDF格式，探寻如何找出并分析PDF中存在的恶意代码，而并非做一个详细的PDF parser解析器，因此会省略对不相关关键字的介绍，请各位留意。

PDF的结构可以从文件结构和逻辑结构两个方面来理解。PDF的文件结构指的是其文件物理组织方式，逻辑结构则指的是其内容的逻辑组织方式。

1. PDF的文件结构

PDF文件格式包含以下4个部分：

  • 文件头——指明了该文件所遵从的PDF规范的版本号，它出现在PDF文件的第一行。
  • 文件体——又称对象集合，PDF文件的主要部分，由一系列对象组成。
  • 交叉引用表——对对象进行随机存取而设立的一个间接对象的地址索引表。(实际以偏移+索引的方式储存对象地址，下文会提及)
  • 文件尾——声明了交叉引用表的地址，即指明了文件体的根对象(Catalog)，从而能够找到PDF文件中各个对象体的位置，达到随机访问。另外还保存了PDF文件的加密等安全信息。

2. PDF文件格式图示：

PDF文件的逻辑结构

3. PDF文件的逻辑结构

本段主要介绍PDF文件体的读取方式。

作为一种结构化的文件格式，一个PDF文档是由一些称为“对象”的模块组成的。每个对象都有数字标号，这样的话可以这些对象就可以被其他的对象所引用。这些对象不需要按照顺序出现在PDF文档里面，出现的顺序可以是任意的，比如一个PDF文件有3页，第3页可以出现在第1页以前，对象按照顺序出现唯一的好处就是能够增加文件的可读性，对象的信息以偏移+索引的形式保存在交叉引用表内。

文件尾说明了根对象的对象号，并且说明交叉引用表的位置，通过对交叉引用表的查询可以找到目录对象(Catalog)。这个目录对象是该PDF文档的根对象，包含PDF文档的大纲(outline)和页面组对象(pages)引用。大纲对象是指PDF文件的书签树;页面组对象(pages)包含该文件的页面数，各个页面对象(page)的对象号。

4. PDF的层级结构图示：

PDF的层级结构图示

页面(page)对象为PDF中最重要的对象，包含如何显示该页面的信息，例如使用的字体，包含的内容(文字，图片等)，页面的大小。里面的信息可以直接给出，当然里面的子项更多的是对其他对象的引用，真正的信息存放在其他对象里面。页面中包含的信息是包含在一个称为流(stream)的对象里，这个流的长度(字节数)必须直接给出或指向另外一个对象(包含一个整数值，表明这个流的长度)。

可见stream流对象我们恶代分析需要获取的重点。

5. 页面信息图示：

页面信息图示

理解了上面的内容之后，我们可以得出针对恶代分析的PDF文件的大致解析思路：

针对恶代分析的PDF文件的大致解析思路

当然，也可以采取针对PDF层级结构的文档解析方式，见仁见智，因人而异。

三、以二进制文本解析Pdf文档结构

PDF文件是一种文本和二进制混排的格式，但是Adobe更愿意让人把它当成二进制的文件，所以，PDF文件可以直接拖入16进制编辑器中打开。前面我们介绍了PDF的文件结构以及逻辑结构，现在我们在16进制编辑器中打开PDF文件，更直白的展示PDF的关键字段以及文件结构。


 
 
    

  
  
  1. %PDF-1.6 #文件头+版本号，16进制读取文件0x25 0x50 0x44 0x46开头即证明是pdf文件 
    2. 

  
  
  2. %çóÏÓ    #下面就是很多的Object对象 
    3. 

  
  
  3. 2 0 obj  #Object对象，其中2是Obj顺序号，0是Obj的版本号，obj也是对象开始的标志 
    4. 

  
  
  4. <<       #<<>>之间为Object对象的字典内容，包含关键字 
    5. 

  
  
  5. [/ICCBased 3 0 R] 
    6. 

  
  
  6. >> 
    7. 

  
  
  7. Endobj   #Object结束关键字 
    8. 

  
  
  8. 7 0 obj 
    9. 

  
  
  9. << 
    10. 

  
  
  10. /Filter 
    11. 

  
  
  11. /FlateDecode   #流对象的压缩方式为/FlateDecode   
    12. 

  
  
  12. /Length 148    #流对象的长度 
    13. 

  
  
  13. >> 
    14. 

  
  
  14. Stream         #流对象 
    15. 

  
  
  15. #文件内容信息，注：此处为直观从而手动填写的 
    16. 

  
  
  16. Endstream      #流对象结束标志 
    17. 

  
  
  17. Endobj 
    18. 

  
  
  18. 8 0 obj 
    19. 

  
  
  19. << 
    20. 

  
  
  20. /Contents 7 0 R              #页面内容对象的对象号为7 
    21. 

  
  
  21. /MediaBox [0 0 595.2 841.68] #页面显示大小，以像素为单位 
    22. 

  
  
  22. /PageIndex 1 
    23. 

  
  
  23. /Parent 1 0 R               #其父对象号为1以及Pages对象 
    24. 

  
  
  24. /Resources                  #该页包含的资源 
    25. 

  
  
  25. <</Font <</F4 4 0 R >>      #字体的类型 
    26. 

  
  
  26. /Shading <<>> 
    27. 

  
  
  27. /XObject <<>>               #外部对象 
    28. 

  
  
  28. /ColorSpace <</CS1 2 0 R>>  
    29. 

  
  
  29. >> 
    30. 

  
  
  30. /Type /Page 
    31. 

  
  
  31. >> 
    32. 

  
  
  32. Endobj 
    33. 

  
  
  33. 1 0 obj 
    34. 

  
  
  34. << 
    35. 

  
  
  35. /Count 1        #页码数量为1 
    36. 

  
  
  36. /Kids [8 0 R ]  #kids对象说明它的子页对象为8 
    37. 

  
  
  37. /Type /Pages 
    38. 

  
  
  38. >> 
    39. 

  
  
  39. Endobj 
    40. 

  
  
  40. 13 0 obj 
    41. 

  
  
  41. << 
    42. 

  
  
  42. /Author (? Cryin') 
    43. 

  
  
  43. /CreationDate (D:20100926145832+08'00') 
    44. 

  
  
  44. /Title (? PDF文件格式分析) 
    45. 

  
  
  45. >> 
    46. 

  
  
  46. endobj 
    47. 

  
  
  47. Xref           #表示交叉引用表开始 
    48. 

  
  
  48. 0 14           #0表明引用表描述的对象编号从0开始，8说明共有8个对象#此行在交叉引用表中可出现多个 
    49. 

  
  
  49. 0000000000 65536 f #一般pdf都是以这行开始交叉引用表的，起始地址0和产生号 
    50. 

  
  
  50. 0000003195 00000 n #表示对象1，就是catalog，3195为偏移地址n表示对象在使用 
    51. 

  
  
  51. 0000000018 00000 n 
    52. 

  
  
  52. 0000000051 00000 n 
    53. 

  
  
  53. 0000003464 00000 n 
    54. 

  
  
  54. 0000000000 00000 f 
    55. 

  
  
  55. 0000004282 00000 n 
    56. 

  
  
  56. 0000002728 00000 n 
    57. 

  
  
  57. 0000002992 00000 n 
    58. 

  
  
  58. 0000003256 00000 n 
    59. 

  
  
  59. 0000003892 00000 n 
    60. 

  
  
  60. 0000003620 00000 n 
    61. 

  
  
  61. 0000008660 00000 n 
    62. 

  
  
  62. 0000008712 00000 n 
    63. 

  
  
  63. Trailer      #说明文件尾对象开始 
    64. 

  
  
  64. <</Size 14   #14说明PDF文件对象数目 
    65. 

  
  
  65. /Root 12 0 R #说明跟对象号为12 
    66. 

  
  
  66. /Info 13 0 R>> 
    67. 

  
  
  67. startxref 
    68. 

  
  
  68. 8980     #8980为交叉引用表的偏移地址，此处为十进制表示 
    69. 

  
  
  69. %%EOF    #文件结束标志 
    70.

对于对象的额外解释：如果一个样本文件的交叉引用表格式如下


 
 
    

  
  
  1. xref 
    2. 

  
  
  2. 0 5 
    3. 

  
  
  3. 0000000000 00000 n #第1行 
    4. 

  
  
  4. 0000004996 00000 n #第2行 
    5. 

  
  
  5. 0000000022 00000 n #第3行 
    6. 

  
  
  6. 0000005101 00000 n #第4行 
    7. 

  
  
  7. 0000004976 00000 n #第5行 
    8. 

  
  
  8. 0000004996 00000 n #第n行 
    9. 

  
  
  9. 4 0 obj 
    10. 

  
  
  10. Xxxxx 
    11. 

  
  
  11. endobj 
    12.

即交叉引用表中第五行顺序数为4的对象，其偏移为4976

四、Pdf文件混淆

如图，下面的样本进行了混淆


 
 
    

  
  
  1. %PDF-1.5 
    2. 

  
  
  2. 1 0 obj 
    3. 

  
  
  3. <</#54#79P#65 R 0 5 
    4. 

  
  
  4. O#70e#6e#41c#74i#6fn 3 Pages C#61ta#6c#6f#67>> 
    5. 

  
  
  5. endobj 
    6.

解释：<<>>代表obj对象之间的字典内容，保存了流的关键字和特征信息，因此去除混淆是必要的第一步操作，pdf文件的混淆只出现在这里#54代表0x54，上面的内容去除混淆之后即为


 
 
    

  
  
  1. 1 0 obj 
    2. 

  
  
  2. <</TyPe R 0 5 OpenAction 3 Pages 
    3. 

  
  
  3. Catalog>> 
    4. 

  
  
  4. endobj 
    5.

五、关键字

下面介绍了PDF文件解析时所需要的关键字


 
 
    

  
  
  1. obj            #obj对象开始 
    2. 

  
  
  2. endobj         #obj对象结束 
    3. 

  
  
  3. stream         #stream流对象开始 
    4. 

  
  
  4. endstream      #stream流对象结束 
    5. 

  
  
  5. xref           #交叉引用表开始 
    6. 

  
  
  6. trailer        #文件尾对象开始 
    7. 

  
  
  7. startxref      #交叉引用表结束 
    8. 

  
  
  8. /Page        #文件页数 
    9. 

  
  
  9. /Encrypt       #是否加密 
    10. 

  
  
  10. /ObjStm        #objectstreams的数量，objectstreams可包含其他Object对象，即嵌套 
    11. 

  
  
  11. /JS            #代表javascript嵌有JavaScript代码，可直接提取恶意代码 
    12. 

  
  
  12. /JavaScript    #代表javascript嵌有JavaScript代码，可直接提取恶意代码 
    13. 

  
  
  13. /AA            #以下三个为特定特征，打开对象自动执行 
    14. 

  
  
  14. /OpenAction 
    15. 

  
  
  15. /AcroForm 
    16. 

  
  
  16. /URI           #内嵌url链接 
    17. 

  
  
  17. /Filter        #/Filter字段出现，表示了下面的stream流进行了加密 
    18. 

  
  
  18. /RichMedia     #富文本 
    19. 

  
  
  19. /Launch        #执行Action的次数与OpenAction字段关联 
    20. 

  
  
  20. #/xxxx 带斜杠的关键字包含在<<>>字典内部 
    21.

六、流的提取

/Filter关键字之后保存了stream流的编码信息一共包括以下几种：


 
 
    

  
  
  1. /FlateDecode 
    2. 

  
  
  2. /ASCIIHexDecode 
    3. 

  
  
  3. /ASCII85Decode 
    4. 

  
  
  4. /LZWDecode 
    5. 

  
  
  5. /DCTDecode 
    6. 

  
  
  6. /RunLengthDecode 
    7. 

  
  
  7. /CCITTFaxDecode 
    8. 

  
  
  8. /JBIG2Decode 
    9. 

  
  
  9. /JPXDecode 
    10. 

  
  
  10. /Crypt 
    11.

一共包括上面几种编码方式，按常见顺序进行了排序，可以级联编码。例如：


 
 
    

  
  
  1. 0 0 obj 
    2. 

  
  
  2. <</Filter 
    3. 

  
  
  3. [/FlateDecode /ASCIIHexDecode] 
    4. 

  
  
  4. /Length 14278>> 
    5.

表示流先经过了ASCIIHexDecode再经过了FlateDecode编码解密是即先对流进行FlateDecode解码再对流进行ASCIIHexDecode解码目前遇到2种级联编码样本(如上)，可能会有更多级联编码方式(3级或以上)解码后能够触发攻击的流对象为javascript脚本或者图片对象，常见的恶意攻击代码储存在javascript脚本中。

下面的图片是提取自样本中的PDF steam流文件中的js脚本，已经很明显是攻击代码了：

七、一些坑

PDF的恶意攻击样本毫无疑问会使用一些特殊手段对抗杀软的扫描检查，下面统计了一下恶意样本常见的规避行为：

1. 交叉引用表

(1) 坑1 引用表偏移不正确


 
 
    

  
  
  1. Xref    #表示交叉引用表开始 
    2. 

  
  
  2. 0 2     #0表明引用表描述的对象编号从0开始，8说明共有8个对象 
    3. 

  
  
  3. 0000000000 65536 f #一般pdf都是以这行开始交叉引用表的，起始地址0和产生号 
    4. 

  
  
  4. 0000003195 00000 n #表示对象1，就是catalog，3195为偏移地址n表示对象在使用 
    5. 

  
  
  5. startxref 
    6. 

  
  
  6. 8980  #8980为交叉引用表的偏移地址，此处为十进制表示 
    7. 

  
  
  7. %%EOF #文件结束标志 
    8.

上面有提到过交叉引用表的偏移地址为固定数值，推测adobe的parser是从文件尾开始解析，获得交叉引用表的偏移地址(Xref中X在文档中所在的位置即为偏移地址)，找到交叉引用表再定位到各个对象，实际测试发现偏移地址可以不正确8980偏移地址实际可能为任意地址。

(2) 坑2 引用表可以有多个


 
 
    

  
  
  1. xref 
    2. 

  
  
  2. 0 4 
    3. 

  
  
  3. 0000000000 65535 f 
    4. 

  
  
  4. 0000000000 65536 n 
    5. 

  
  
  5. 0000039095 00000 n 
    6. 

  
  
  6. 0000000015 00000 n 
    7. 

  
  
  7. trailer 
    8. 

  
  
  8. <</ID 
    9. 

  
  
  9. [<386e381fac5d8245e24ee620741d0d06><b15c4bebcdae6f2210f09460b841e7a3>]/Root 
    10. 

  
  
  10. 26 0 R/Size 28/Info 27 0 R>> 
    11. 

  
  
  11. startxref 
    12. 

  
  
  12. 39630 
    13. 

  
  
  13. %%EOF 
    14. 

  
  
  14. <</Filter/FlateDecode/Length 
    15. 

  
  
  15. 6960/Subtype/Type1C>> 
    16. 

  
  
  16. Stream 
    17. 

  
  
  17. Ddd 
    18. 

  
  
  18. endstream 
    19. 

  
  
  19. xref 
    20. 

  
  
  20. 20 1 
    21. 

  
  
  21. 0000040341 00000 n 
    22. 

  
  
  22. 26 4 
    23. 

  
  
  23. 0000040380 00000 n 
    24. 

  
  
  24. 0000040484 00000 n 
    25. 

  
  
  25. 0000040677 00000 n 
    26. 

  
  
  26. 0000040734 00000 n 
    27. 

  
  
  27. 55 2 
    28. 

  
  
  28. 0000172790 00000 n 
    29. 

  
  
  29. 0000172925 00000 n 
    30. 

  
  
  30. trailer 
    31. 

  
  
  31. <</Root 26 0 R/Info 27 0 
    32. 

  
  
  32. R/ID[<386E381FAC5D8245E24EE620741D0D06><39FE58436C8CC909F538F88909F1EE55>]/Size 
    33. 

  
  
  33. 63/Prev 39630>> 
    34. 

  
  
  34. startxref 
    35. 

  
  
  35. 173446 
    36. 

  
  
  36. %%EOF 
    37.

样本如上，正常来讲，一个文档只存在一个%EOF结束符，但是这个样本里出现了两个

2. 字符串长度

(1) 坑1 流对象长度可以直接跟对象

正常一个字典语句中/Length之后的数值代表stream~endstream两个关键字之间流的长度，如下


 
 
    

  
  
  1. 7 0 obj 
    2. 

  
  
  2. <</Filter/FlateDecode/Length 6960/Subtype/Type1C>> 
    3. 

  
  
  3. stream 
    4.

但测试发现流的长度可以是obj对象


 
 
    

  
  
  1. 2 0 obj 
    2. 

  
  
  2. << /Length 4 0 R /Filter 
    3. 

  
  
  3. /FlateDecode >> 
    4. 

  
  
  4. #对应的obj对象中包含的长度如下 
    5. 

  
  
  5. 4 0 obj 
    6. 

  
  
  6. 4880 
    7. 

  
  
  7. endobj 
    8.

所以stream流对象压缩前的实际长度为4880虽然是PDF格式的正规使用方法，但同时也是规避杀软的一种手法。

(2) 坑2 流对象长度可以为任意值


 
 
    

  
  
  1. 7 0 obj 
    2. 

  
  
  2. <</Filter/FlateDecode/Length 
    3. 

  
  
  3. 6960/Subtype/Type1C>> 
    4. 

  
  
  4. stream 
    5.

同理，正常流对象长度为上图，实际测试发现样本


 
 
    

  
  
  1. 16 0 obj 
    2. 

  
  
  2. << 
    3. 

  
  
  3. /Length ANIWAY_____LEN 
    4. 

  
  
  4. >> 
    5. 

  
  
  5. stream 
    6.

WTF is ANIWAY_LEN??? 长度可以为填ascii字符???所以，/Length后面可以不跟数值stream流的实际长度实际==关键字endstream偏移-关键字stream偏移-包含的0x0D或0x0A

3. 解码问题

(1) 坑1 javascript可以支持文本和八进制


 
 
    

  
  
  1. 7 0 obj 
    2. 

  
  
  2. << /Type /Action 
    3. 

  
  
  3. /S /JavaScript 
    4. 

  
  
  4. /JS (\145\166\141\154\050\146\165\156) 
    5. 

  
  
  5. endobj 
    6. 

  
  
  6. /JS 16 0 R 
    7. 

  
  
  7. /S /JavaScript 
    8. 

  
  
  8. >> 
    9. 

  
  
  9. endobj 
    10. 

  
  
  10. 16 0 obj 
    11. 

  
  
  11. << 
    12. 

  
  
  12. /Length ANIWAY_____LEN 
    13. 

  
  
  13. >> 
    14. 

  
  
  14. stream 
    15. 

  
  
  15. function urpl(k,sc){ 
    16. 

  
  
  16. var c = "\x75"; 
    17. 

  
  
  17. var kkc=k+c; 
    18. 

  
  
  18. var re = /MM/g; 
    19. 

  
  
  19. scsc = sc.replace(re,kc); 
    20. 

  
  
  20. return sc; 
    21. 

  
  
  21. } 
    22. 

  
  
  22. padding_0c = "MM0c0cMM0c0c"; 
    23. 

  
  
  23. padding00="MM0000"; 
    24. 

  
  
  24. padding_41 = "MM4141"; 
    25. 

  
  
  25. var x1=0; 
    26. 

  
  
  26. var x2=0; 
    27. 

  
  
  27. var x3=0; 
    28. 

  
  
  28. endstream 
    29. 

  
  
  29. endobj 
    30.

有JS编程基础的肯定注意到了，因此在这里需要判断javascript内容在对象中还是在()内亦或是否需要转码

(2) 坑2 编码方式缩写形式


 
 
    

  
  
  1. 1 0 obj 
    2. 

  
  
  2. <</Filter [/Fl /Fl] /Length 8331 
    3. 

  
  
  3. >> 
    4. 

  
  
  4. Stream 
    5. 

  
  
  5. xœíÜYXù 
    6. 

  
  
  6. ÷qÆÌ0K3ÆØRÆVdoUƒQ"[M!S(íRÓ¾0–h¥B*d•hß~5´© 
    7. 

  
  
  7. endstream 
    8.

正常文件默认/Filter关键字之后会出现xxdecode关键字表示stream流编码方式，但测试发现样本可以没有xxdecode关键字，但同样进行了编码处理，如上/Fl字段即为/FlateDecode的简写，对应表如下：


 
 
    

  
  
  1. /FlateDecode     /Fl 
    2. 

  
  
  2. /ASCIIHexDecode  /AHx 
    3. 

  
  
  3. /ASCII85Decode   /A85 
    4. 

  
  
  4. /LZWDecode       /LZW 
    5. 

  
  
  5. /RunLengthDecode /RL 
    6. 

  
  
  6. /CCITTFaxDecode  /CCF 
    7. 

  
  
  7. /JBIG2Decode #/JBIG2Decode其实和/DCTDecode解码方式是一样的 
    8. 

  
  
  8. /DCTDecode       /DCT 
    9.

(3) 坑3 编码形式可以级联


 
 
    

  
  
  1. 10 0 obj 
    2. 

  
  
  2. <</Filter 
    3. 

  
  
  3. [/FlateDecode /ASCIIHexDecode] 
    4. 

  
  
  4. /Length 14278>> 
    5.

如上表示流先经过了ASCIIHex加密再进行了FlateDecode加密解码时需要先进行FlateDecode解密之后再进行ASCIIHexDecode解密

八、常用分析工具推荐

介绍完恶代格式后，推荐一些恶代分析的基本工具

1. PdfStreamDumper

  • stream流解析工具
  • vb开源项目。工具存在一些bug，无法解析级联编码后的stream流，例如/Fl/Fl编码就无法解析

2. PDFParser

  • c++开源项目，pdf格式解析，逻辑比较清晰，可以参考

3. ParanoiDF

  • python开源项目，恶代分析
  • 此外还有一些很赞的开源项目如pyew、peepdf等等，不一一贴地址了。

4. References

  • PDF, let me count the way...
  • Cryin/PDFTear
  • Adobe PDF 官方文档
  • Malicious Document PDF analysis in 5 steps
  • C#实现的PDF解析器
原文发布时间为：2017-11-06

本文作者： red0range

本文来自云栖社区合作伙伴51CTO，了解相关信息可以关注51CTO。

文章标签：
云解析DNS
密钥管理服务
JavaScript
数据安全/隐私保护
前端开发
安全
索引
关键词：
文件云解析DNS
PDF文件
云解析DNS分析
PDF分析
PDF解析
nicenelly
目录
相关文章
郑小健
|
29天前
|
机器学习/深度学习 数据采集 存储
时间序列预测新突破：深入解析循环神经网络（RNN）在金融数据分析中的应用
【10月更文挑战第7天】时间序列预测是数据科学领域的一个重要课题，特别是在金融行业中。准确的时间序列预测能够帮助投资者做出更明智的决策，比如股票价格预测、汇率变动预测等。近年来，随着深度学习技术的发展，尤其是循环神经网络（Recurrent Neural Networks, RNNs）及其变体如长短期记忆网络（LSTM）和门控循环单元（GRU），在处理时间序列数据方面展现出了巨大的潜力。本文将探讨RNN的基本概念，并通过具体的代码示例展示如何使用这些模型来进行金融数据分析。
郑小健
184 2
java的细水长流
|
30天前
|
Java
Java“解析时到达文件末尾”解决
在Java编程中，“解析时到达文件末尾”通常指在读取或处理文件时提前遇到了文件结尾，导致程序无法继续读取所需数据。解决方法包括：确保文件路径正确，检查文件是否完整，使用正确的文件读取模式（如文本或二进制），以及确保读取位置正确。合理设置缓冲区大小和循环条件也能避免此类问题。
java的细水长流
308 2
AIweker
|
29天前
|
自然语言处理 数据处理 Python
python操作和解析ppt文件 | python小知识
本文将带你从零开始，了解PPT解析的工具、工作原理以及常用的基本操作，并提供具体的代码示例和必要的说明【10月更文挑战第4天】
AIweker
256 60
游客ubxfrsiqpy57c
|
2天前
|
存储
文件太大不能拷贝到U盘怎么办？实用解决方案全解析
当我们试图将一个大文件拷贝到U盘时，却突然跳出提示“对于目标文件系统目标文件过大”。这种情况让人感到迷茫，尤其是在急需备份或传输数据的时候。那么，文件太大为什么会无法拷贝到U盘？又该如何解决？本文将详细分析这背后的原因，并提供几个实用的方法，帮助你顺利将文件传输到U盘。
游客ubxfrsiqpy57c
9 1
技能实验室
|
21天前
|
数据安全/隐私保护 流计算 开发者
python知识点100篇系列（18）-解析m3u8文件的下载视频
【10月更文挑战第6天】m3u8是苹果公司推出的一种视频播放标准，采用UTF-8编码，主要用于记录视频的网络地址。HLS（Http Live Streaming）是苹果公司提出的一种基于HTTP的流媒体传输协议，通过m3u8索引文件按序访问ts文件，实现音视频播放。本文介绍了如何通过浏览器找到m3u8文件，解析m3u8文件获取ts文件地址，下载ts文件并解密（如有必要），最后使用ffmpeg合并ts文件为mp4文件。
技能实验室
40 1
游客yruxkrkc2uipi
|
22天前
|
Java Apache Maven
将word文档转换成pdf文件方法
在Java中，将Word文档转换为PDF文件可采用多种方法：1) 使用Apache POI和iText库，适合处理基本转换需求；2) Aspose.Words for Java，提供更高级的功能和性能；3) 利用LibreOffice命令行工具，适用于需要开源解决方案的场景。每种方法都有其适用范围，可根据具体需求选择。
游客yruxkrkc2uipi
168 2
yuanzhengme
|
22天前
|
Java Apache Maven
Java将word文档转换成pdf文件的方法？
【10月更文挑战第13天】Java将word文档转换成pdf文件的方法？
yuanzhengme
107 1
喜欢猪猪
|
26天前
|
存储 SQL 分布式计算
湖仓一体架构深度解析：构建企业级数据管理与分析的新基石
【10月更文挑战第7天】湖仓一体架构深度解析：构建企业级数据管理与分析的新基石
喜欢猪猪
41 1
java冯坚持
|
27天前
|
Java BI API
spring boot 整合 itextpdf 导出 PDF，写入大文本，写入HTML代码，分析当下导出PDF的几个工具
这篇文章介绍了如何在Spring Boot项目中整合iTextPDF库来导出PDF文件，包括写入大文本和HTML代码，并分析了几种常用的Java PDF导出工具。
java冯坚持
305 0
spring boot 整合 itextpdf 导出 PDF，写入大文本，写入HTML代码，分析当下导出PDF的几个工具
土木林森
|
1月前
|
存储 搜索推荐 数据库
运用LangChain赋能企业规章制度制定：深入解析Retrieval-Augmented Generation（RAG）技术如何革新内部管理文件起草流程，实现高效合规与个性化定制的完美结合——实战指南与代码示例全面呈现
【10月更文挑战第3天】构建公司规章制度时，需融合业务实际与管理理论，制定合规且促发展的规则体系。尤其在数字化转型背景下，利用LangChain框架中的RAG技术，可提升规章制定效率与质量。通过Chroma向量数据库存储规章制度文本，并使用OpenAI Embeddings处理文本向量化，将现有文档转换后插入数据库。基于此，构建RAG生成器，根据输入问题检索信息并生成规章制度草案，加快更新速度并确保内容准确，灵活应对法律与业务变化，提高管理效率。此方法结合了先进的人工智能技术，展现了未来规章制度制定的新方向。
土木林森
30 3

热门文章

最新文章

  • 1
    Apache Flink 进阶（三）：Checkpoint 原理解析与应用实践
  • 2
    android解析二维数组对象key:value
  • 3
    Exchange 2007 中特殊应用解析
  • 4
    AOP动态代理解析4-代理的创建
  • 5
    应用系统中交互式报表功能解析
  • 6
    Visual Studio下程序开发: error LNK2019: 无法解析的外部符号
  • 7
    《Android的设计与实现：卷I》——第3章 3.4init.rc文件解析过程
  • 8
    golang开发:类库篇(四)配置文件解析器goconfig的使用
  • 9
    ARP解析MAC地址的全过程（ARP的工作机制）
  • 10
    Core Image 框架详细解析
  • 1
    springboot使用html模版导出pdf文档
    703
  • 2
    使用pdf2docx轻松将PDF转换成docx
    308
  • 3
    Python实现从PDF和图片提取文字的方法总结
    384
  • 4
    使用Spire.PDF for Python插件从PDF文件提取文字和图片信息
    645
  • 5
    如何使用Python抓取PDF文件并自动下载到本地
    356
  • 6
    itext制作pdf表格
    79
  • 7
    Java【代码 16】将word、excel文件转换为pdf格式和将pdf文档转换为image格式工具类分享（Gitee源码）aspose转换中文乱码问题处理
    304
  • 8
    福利来袭，.NET Core开发5大案例，30w字PDF文档大放送！！！
    78
  • 9
    CVPR 2023 最全分割类论文整理：图像/全景/语义/实例分割等【附PDF+代码】
    960
  • 10
    分享一个word转pdf的工具类Aspose[java]
    163

    • 相关课程

    更多
  • 第八届大学生创新创业大赛阿里命题IoT赛题解析
  • 云计算工程师解析与实战-网络专家篇（体验版）
  • 深入解析Docker容器化技术
  • Java面试疑难点解析 - 面试技巧及语言基础
  • Java面试疑难点解析 - Java Web开发
  • Java面试疑难点解析 - 系统架构及项目设计

    • 相关电子书

    更多
  • 对象存储实战指南-试读
  • OpenAnolis 龙蜥操作系统开源社区技术创新白皮书
  • 使用CNFS搭建弹性Web服务

    • 相关实验场景

    更多
  • 通过云拨测对指定服务器进行Ping/DNS监测

    • 推荐镜像

    更多
  • DNS
  • NTP
  • kali-security
    • 下一篇
    无影云桌面