使用 iTextSharp 从 PDF 中删除 Javascript

Question

这似乎应该很快就完成，但在实践中似乎存在问题。我有一堆包含表单域和嵌入式 javascript 的 PDF 表单。我想安全地删除 javascript 代码，但保留 PDF 表单字段不变。

到目前为止，我已经找到了很多解决方案，但所有解决方案要么消除了 javascript 和表单字段，要么保持原样。

这是解决方案 A；它同时复制表单字段和 javascript：

var pdfReader = new PdfReader(infilename);
using (MemoryStream memoryStream = new MemoryStream()) {
    PdfCopyFields copy = new PdfCopyFields(memoryStream);
    copy.AddDocument(pdfReader);
    copy.Close();
    File.WriteAllBytes(rawfilename, memoryStream.ToArray());
}

或者，我有解决方案 B，它去掉了表单字段和 javascript：

Document document = new Document();
using (MemoryStream memoryStream = new MemoryStream()) {
    PdfWriter writer = PdfWriter.GetInstance(document, memoryStream);
    document.Open();
    document.AddDocListener(writer);
    for (int p = 1; p <= pdfReader.NumberOfPages; p++) {
        document.SetPageSize(pdfReader.GetPageSize(p));
        document.NewPage();
        PdfContentByte cb = writer.DirectContent;
        PdfImportedPage pageImport = writer.GetImportedPage(pdfReader, p);
        int rot = pdfReader.GetPageRotation(p);
        if (rot == 90 || rot == 270) {
            cb.AddTemplate(pageImport, 0, -1.0F, 1.0F, 0, 0, pdfReader.GetPageSizeWithRotation(p).Height);
        } else {
            cb.AddTemplate(pageImport, 1.0F, 0, 0, 1.0F, 0, 0);
        }
    }
    document.Close();
    File.WriteAllBytes(rawfile, memoryStream.ToArray());
}

有人知道如何修改解决方案 A 或 B 以消除 javascript，但保留表单字段吗？

编辑：解决方案代码在这里！

using (MemoryStream memoryStream = new MemoryStream()) {
    PdfStamper stamper = new PdfStamper(pdfReader, memoryStream);
    for (int i = 0; i <= pdfReader.XrefSize; i++) {
        object o = pdfReader.GetPdfObject(i);
        PdfDictionary pd = o as PdfDictionary;
        if (pd != null) {
            pd.Remove(PdfName.AA);
            pd.Remove(PdfName.JS);
            pd.Remove(PdfName.JAVASCRIPT);
        }
    }
    stamper.Close();
    pdfReader.Close();
    File.WriteAllBytes(rawfile, memoryStream.ToArray());
}

Answer 1

要操作单个 PDF，您应该使用 PdfStamper 类并操作其内容，在您的情况下迭代现有表单字段并删除 JavaScript 条目。

与iText in Action — 2nd Edition 第 13 章中的AddJavaScriptToForm.java 对应的 iTextSharp 示例 AddJavaScriptToForm.cs 显示了 JavaScript 操作是如何添加到字段中的，中心代码是：

PdfStamper stamper = new PdfStamper(reader, ms);

AcroFields form = stamper.AcroFields;
AcroFields.Item fd = form.GetFieldItem("married");

PdfDictionary dictYes = (PdfDictionary) PdfReader.GetPdfObject(fd.GetWidgetRef(0));
PdfDictionary yesAction = ...;
dictYes.Put(PdfName.AA, yesAction);

因此，要删除此类 JavaScript 表单字段操作，您必须遍历所有这些 PDF 表单字段并删除 /AA 值相关词典：

dictXXX.Remove(PdfName.AA);

编辑： （由 Ted Spence 提供） 以下是成功删除 javascript 同时保持所有表单字段不变的最终代码：

using (MemoryStream memoryStream = new MemoryStream())
{
    PdfStamper stamper = new PdfStamper(pdfReader, memoryStream);
    for (int i = 0; i <= pdfReader.XrefSize; i++)
    {
        PdfDictionary pd = pdfReader.GetPdfObject(i) as PdfDictionary;
        if (pd != null)
        {
            pd.Remove(PdfName.AA); // Removes automatic execution objects
            pd.Remove(PdfName.JS); // Removes javascript objects
            pd.Remove(PdfName.JAVASCRIPT); // Removes other javascript objects
        }
    }
    stamper.Close();
    pdfReader.Close();
    File.WriteAllBytes(rawfile, memoryStream.ToArray());
}

编辑： (by mkl) 上面的解决方案有点过头了，因为它涉及到每个间接字典对象。另一方面，它忽略了内联字典（不过，我还没有检查过规范；可能所有的 /AA、/JS 和 /JAVASCRIPT > 条目只出现在必须是间接对象的字典中，或者至少被此代码取消引用）。

如果完成这项任务是我的工作，我会尝试更具体地访问可能携带 JavaScript 的对象。

不过，这种超额完成过程的优势可能在于，即使是目前未指定为携带 JavaScript 但将在以后的 PDF 版本中出现的 PDF 对象也会被检查。

Answer 2

在 for 循环之后添加以下行以保留 AcroForm：

var form = pdfReader.AcroForm;
if (form != null)
   writer.CopyAcroForm(reader);