如何从 PDF 文件中删除图像？

Question

您好，感谢您回答我的问题。这个问题困扰了我很长时间。

这个QS我找了很久，在stack overFlow和google上看了很多文章，但是那些文章已经过时或者碎片化了，所以我不得不寻求帮助。 我希望有人可以帮助我，拜托。

public class TEST04 {
    public static void main(String[] args) throws IOException {
        System.out.println("Hi");
        //ori pdf file
        String oriPDFFile = IFileUtils.getDesktopPath().getAbsoluteFile() + "\\1.pdf";
        //out pdf file
        String outPDFFile = IFileUtils.getDesktopPath().getAbsoluteFile() + "\\2.pdf";
        strip(oriPDFFile, outPDFFile);
    }

    //parse
    public static void strip(String pdfFile, String pdfFileOut) throws IOException {
        //load ori pdf file
        PDDocument document = PDDocument.load(new File(pdfFile));
        //get All pages
        List<PDPage> pageList = IterUtil.toList(document.getDocumentCatalog().getPages());

        for (int i = 0; i < pageList.size(); i++) {
            PDPage page = pageList.get(i);
            COSDictionary newDictionary = new COSDictionary(page.getCOSObject());
            PDFStreamParser parser = new PDFStreamParser(page);
            List tokens = parser.getTokens();
            List newTokens = new ArrayList();

            for (int j = 0; j < tokens.size(); j++) {
                Object token = tokens.get(j);
                if (token instanceof Operator) {
                    Operator operator = (Operator) token;
                    if (operator.getName().equals("Do")) {
                        COSName cosName = (COSName) newTokens.remove(newTokens.size() - 1);
                        deleteObject(newDictionary, cosName);
                        continue;
                    }
                }
                newTokens.add(token);
            }
            PDStream newContents = new PDStream(document);
            try (OutputStream outputStream = newContents.createOutputStream()) {
                ContentStreamWriter writer = new ContentStreamWriter(outputStream);
                writer.writeTokens(newTokens);
            }
            page.setContents(newContents);

//            ContentStreamWriter writer = new ContentStreamWriter(newContents.createOutputStream());
//            writer.writeTokens( newTokens );
//            page.setContents(newContents);
            
            PDResources newResources = new PDResources(newDictionary);
            page.setResources(newResources);

        }
        document.save(pdfFileOut);
        document.close();
    }
    //delete
    public static boolean deleteObject(COSDictionary d, COSName name) {
        for(COSName key : d.keySet()) {
            if( name.equals(key) ) {
                d.removeItem(key);
                return true;
            }
            COSBase object = d.getDictionaryObject(key);
            if(object instanceof COSDictionary) {
                if( deleteObject((COSDictionary)object, name) ) {
                    return true;
                }
            }
        }
        return false;
    }
}

堆栈跟踪：

Answer 1

它的工作方式与示例 RemoveAllText.java 中的相同，只是标签不同。

使用此示例中的代码，只需使用“Do”而不是“Tj”。

当然，如果你需要加载元数据等，你应该枚举并检查图片投掷的页面资源（如我的示例）

Answer 2

按照Ali Yavari's answer 中的提示，您创建了一个测试类。不幸的是，测试代码产生了异常。这个答案的重点是修复你的代码。

根据您发布的堆栈跟踪，保存文档时发生异常的图像；某些流被要求提供InputStream，但它失败并显示消息“当存在打开的流写入器时无法读取”。

那么，让我们看看您的代码在哪里打开了流编写器，但没有再次关闭它：

PDStream newContents = new PDStream(document);
ContentStreamWriter writer = new ContentStreamWriter(newContents.createOutputStream());
writer.writeTokens( newTokens );
page.setContents(newContents);

确实，您在这里向流 (PDStream newContents) 请求写入 (newContents.createOutputStream()) 的内容，但不要关闭它。

你可以这样做：

PDStream newContents = new PDStream(document);
try (OutputStream outputStream = newContents.createOutputStream()) {
    ContentStreamWriter writer = new ContentStreamWriter(outputStream);
    writer.writeTokens(newTokens);
}
page.setContents(newContents);

---

附注，您将不得不重写您对 newDictionary 对象所做的操作。目前你

1. 使用页面字典条目对其进行初始化，
2. 递归地删除所有条目，其键是您删除的图像的名称，并且
3. 将页面资源设置为此字典。

第 2 项可以删除的内容比您实际想要的要多得多，不同字典中的相同名称可能指的是具有完全不同含义的条目。此外，您无需进一步检查即可递归；如果字典之间存在循环关系，这可能会导致无限递归，即堆栈溢出异常。

第 3 项不恰当地将这个被操纵的页面克隆设置为原始页面的资源。这会创建一个完全损坏的页面结构。

相反，您应该从页面 (resources = page.getResources()) 中检索资源，然后将图像移至 null (resources.put(cosName, (PDXObject)null)) 以将其删除。

Answer 3

在my other answer 中，我专注于建议如何修复问题中的代码。在这里，我将重点介绍一种不同的任务方法。

在您的代码中，您尝试通过检查页面内容流、在其中找到绘制 XObject 的 Do 操作并删除此指令和引用的 XObject 来删除位图图像。

将资源中的所有图像 XObject 替换为空表单 XObject 会更容易替换。这是这里使用的方法。

由于这种方法很容易实现，我将其扩展为不仅遍历页面的直接资源，还迭代到嵌入式表单 XObjects 和模式。

void replaceBitmapImagesResources(PDDocument document) throws IOException {
    PDFormXObject pdFormXObject = new PDFormXObject(document);
    pdFormXObject.setBBox(new PDRectangle(1, 1));
    for (PDPage pdPage : document.getPages()) {
        replaceBitmapImagesResources(pdPage.getResources(), pdFormXObject);
    }
}

void replaceBitmapImagesResources(PDResources resources, PDFormXObject formXObject) throws IOException {
    if (resources == null)
        return;

    for (COSName cosName : resources.getPatternNames()) {
        PDAbstractPattern pdAbstractPattern = resources.getPattern(cosName);
        if (pdAbstractPattern instanceof PDTilingPattern) {
            PDTilingPattern pdTilingPattern = (PDTilingPattern) pdAbstractPattern;
            replaceBitmapImagesResources(pdTilingPattern.getResources(), formXObject);
        }
    }

    List<COSName> xobjectsToReplace = new ArrayList<>();
    for (COSName cosName : resources.getXObjectNames()) {
        PDXObject pdxObject = resources.getXObject(cosName);
        if (pdxObject instanceof PDImageXObject) {
            xobjectsToReplace.add(cosName);
        } else if (pdxObject instanceof PDFormXObject) {
            PDFormXObject pdFormXObject = (PDFormXObject) pdxObject;
            replaceBitmapImagesResources(pdFormXObject.getResources(), formXObject);
        }
    }

    for (COSName cosName : xobjectsToReplace) {
        resources.put(cosName, formXObject);
    }
}

(RemoveImages 辅助方法)

要将此方法应用于PDDocument，只需调用第一个replaceBitmapImagesResources，并将该文档作为参数。

注意：我尽量保持代码简单；对于生产用途，请记住在此处限制递归，以防止在某些 PDF 中 XObject 或模式直接或间接地调用自身。此外，您可能需要检查页面注释和模板页面的资源。