通过页面搜索使用的资源并删除它们

Question

我使用 this technique 从另一个源 pdf 将 acroform 导出到新的 pdf 文件。

只有你能用 acroform 得到的结果 pdf download here

我使用 pdfcompressor 在线网站压缩了这个 pdf(59Ko)，我将它减少了 -64%。 这个网站似乎清理了资源中所有未使用的东西，这里是 PDFDebugger

的截图

我的问题是如何从 Resources[] 中获取 xobject 或字体，如果不从 Resources[] 中删除它们，如何检查它们是否在页面中的某处使用过。

如果在 PDPage 中搜索是否使用了某些资源很复杂，我如何简单地从 Resources[] 中删除 XObject 或 Font ？

虽然我无法在页面中搜索使用过的 xobject，但我只是尝试直接删除 COSObject 但它不起作用 ^^ :

        for (PDPage page : document.getPages()) {

            PDResources resources = page.getResources();

            // all xobject form resources
            for (COSName name : resources.getXObjectNames()) {
                page.getCOSObject().removeItem(name); // NOT WORKS
            }

            // all font resources from pages
            for (COSName name : resources.getFontNames()) {
                if (resources.getFont(name) instanceof PDFont) {
                    page.getCOSObject().removeItem(name); // NOT WORKS
                }

            }
        }

ps：@mkl 推荐后创建的问题

更新1

这是我必须从 pdf 中提取 acroform 的当前代码： // 从原来的

创建 FORM

PDDocument documentSrc = PDDocument.load(new File("original.pdf"));;
PDAcroForm acroFormSrc = documentSrc.getDocumentCatalog().getAcroForm();

PDDocument documentDest = new PDDocument();
for (PDPage page : documentSrc.getPages()) {
    PDPage destPage  = new PDPage(PDRectangle.A4);
    destPage.setMediaBox(page.getMediaBox());
    destPage.setCropBox(page.getCropBox());
    documentDest.addPage(destPage);
}

PDAcroForm acroFormDest = new PDAcroForm(documentDest);


acroFormDest.setCacheFields(true);
acroFormDest.setFields(acroFormSrc.getFields());
documentDest.getDocumentCatalog().setAcroForm(acroFormDest);

int pageIndex = 0;
for (PDPage page : documentSrc.getPages()) {
    documentDest.getPage(pageIndex).setAnnotations(page.getAnnotations());
    // after disabling this size increase
    //documentDest.getPage(pageIndex).setResources(page.getResources());
    pageIndex++;
}

acroFormDest.setDefaultAppearance(acroFormSrc.getDefaultAppearance());
acroFormDest.setDefaultResources(acroFormSrc.getDefaultResources());
acroFormDest.setQ(acroFormSrc.getQ());

// this is disabled because setResources is disabled above
//removeLinksInPages(documentDest);
//removeTextInDocument(documentDest);

这个结果：pdf without resources

这次没有资源的表格是73Ko，而我原来的pdf是75Ko。

Answer 1

减少您的 页面对象的资源

嗯，我认为你当前的任务比你在问题中要求的要简单得多。我解读你的

I use this technique to export acroform to new pdf file from another source pdf.

暗示您真的只想将 AcroForm 字段和功能从一个 PDF 转移到另一个 PDF，对原始文件的静态页面内容不感兴趣。

因此，您实际使用了哪些页面资源这个问题的答案很简单：None！页面资源是您不感兴趣的静态内容（页面内容流中）使用的资源。

因此，无需首先将页面资源复制到您的新文档中，只需删除行

documentDest.getPage(pageIndex).setResources(page.getResources());

来自参考答案中的代码。

---

顺便说一句：@Tilman 已经在对您用作模板的答案的评论中指出，感兴趣的资源是 "default resources of the acroform"，而不是页面资源 .因此，您可能不仅要复制 PDAcroForm 个实例之间的字段：

acroFormDest.setFields(acroFormSrc.getFields());

还有默认资源、默认外观和默认四边形

acroFormDest.setDefaultAppearance(acroFormSrc.getDefaultAppearance());
acroFormDest.setDefaultResources(acroFormSrc.getDefaultResources());
acroFormDest.setQ(acroFormSrc.getQ());

其他问题

注释指向错误的页面

This time form-without-resources is 73Ko while my original pdf is 75Ko.

更深入地了解您的 "form-without-resources.pdf" 问题变得很清楚：

如您所见，您的字段小部件注释指向错误的页面！

即P值指定为

P dictionary (Optional except as noted below; PDF 1.3; not used in FDF files) An indirect reference to the page object with which this annotation is associated.

(ISO 32000-1, Table 164 – Entries common to all annotation dictionaries)

因此，您将目标页面的注释设置为源页面的注释，但 P 值中的那些注释仍然引用源页面。因此，您可以通过此引用将源页面及其所有资源拖到新文档中。因此，您的结果文件并不比您的源文件小一点也就不足为奇了。

如果您更改代码以更正 P 引用，例如像这样：

int pageIndex = 0;
for (PDPage page : documentSrc.getPages()) {
    PDPage destPage = documentDest.getPage(pageIndex);
    destPage.setAnnotations(page.getAnnotations());
    for (PDAnnotation annotation : destPage.getAnnotations())
        annotation.setPage(destPage);
    // after disabling this size increase
    //documentDest.getPage(pageIndex).setResources(page.getResources());
    pageIndex++;
}

(CopyForm 测试 testCopyLikeBeeImproved)

您将丢失这些对旧数据的引用。