是什么让 PdfStamper 在 cleanup() 之后从 pdf 中删除图像，尽管它不应该？
What makes PdfStamper to remove images from pdf after cleanup() though it shouldn't?
首先，我对 java 以及 iText 都比较陌生。
很快，我有一个程序可以从大源 pdf 文档中每 2 页复制一次，并为每对页面创建一个新文档。此外，该程序从第一页删除了一些文本信息，并使用所有者密码保护新文档。
这是我的代码。我使用 iText 5.5.13.
//...
final Rectangle RECT_TOP= new Rectangle(25f, 788f, 288f, 812.5f);
final Rectangle RECT_BOT= new Rectangle(103.5f, 36.5f, 331f, 40f);
//...
PdfDocument document = new Document(reader.getPageSizeWithRotation(1));
File tempFile = File.createTempFile("temp", ".pdf");
PdfCopy writer = new PdfCopy(
document, //PdfDocument
new FileOutputStream(tempFile.getAbsolutePath()));
document.open();
writer.addPage( writer.getImportedPage(reader, i) );
writer.addPage( writer.getImportedPage(reader, i + 1) );
writer.freeReader(reader);
writer.close();
document.close();
PdfReader tmpReader = new PdfReader(tempFile.getAbsolutePath());
PdfStamper st = new PdfStamper(tmpReader, new FileOutputStream(outFile));
List<PdfCleanUpLocation> locations = new ArrayList<PdfCleanUpLocation>();
locations.add(new PdfCleanUpLocation(1, RECT_TOP, BaseColor.WHITE));
locations.add(new PdfCleanUpLocation(1, RECT_BOT, BaseColor.WHITE));
new PdfCleanUpProcessor(locations, st).cleanUp();
st.setEncryption(
"".getBytes(),
OWNER_PASSWORD.getBytes(),
PdfWriter.ALLOW_COPY | PdfWriter.ALLOW_PRINTING,
PdfWriter.ENCRYPTION_AES_256 | PdfWriter.DO_NOT_ENCRYPT_METADATA);
st.getWriter().freeReader(tmpReader);
st.close();
tmpReader.close();
tempFile.delete();
源 PDF 在我必须 cleanUp() 的每个页面上都有一个 QR 码作为图像。区域 RECT_TOP 和 RECT_BOT 不以任何方式包含图像。
我在两个 pdf 上测试了我的代码，里面有相同的数据。其中一个是使用 BullZip PDF 打印机 (v PDF-1.5) 创建的，另一个是使用 Foxit PDF 打印机 (v PDF-1.7) 创建的。问题是 cleanUp 方法删除了 QR 代码 和来自矩形位置的数据传递给 BullZip 创建的文档中的 PdfCleanUpProcessor，但对于 foxit PDF，它可以正常工作，我真的需要它与Bullzip 文档。
我试图通过编辑注释来操纵临时 pdf 文件和 cleanUp() 的版本，但没有用。
我想了解要查看的位置以及要更改的内容（也许在 PdfCleanUpProcessor class 中的某处？）以使其正常工作。
有人知道为什么会这样吗？
更新。我设法创建了一些类似于我需要处理的 PDF，并且我发现了另一件有趣的事情：Bullzip 能够自己创建 "bad" 和 "good" 文件。我检查了不同的打印机设置，包括权限，但仍然很难说它取决于什么。在显着差异中，只有文件尺寸略小和页边距略有不同。
无论如何，我的 test files
您确实在 iText 5 PdfCleanUpProcessor 中发现了一个错误：它会丢弃所有未部分编辑的 内联 图像。
错误详情
错误位于 PdfCleanUpRenderListener 方法 renderImage:
public void renderImage(ImageRenderInfo renderInfo) {
List<Rectangle> areasToBeCleaned = getImageAreasToBeCleaned(renderInfo);
if (areasToBeCleaned == null) {
chunks.add(new PdfCleanUpContentChunk.Image(false, null));
} else if ( areasToBeCleaned.size() > 0) {
try {
PdfImageObject pdfImage = renderInfo.getImage();
byte[] imageBytes = processImage(pdfImage.getImageAsBytes(), areasToBeCleaned);
if (renderInfo.getRef() == null && pdfImage != null) { // true => inline image
PdfDictionary dict = pdfImage.getDictionary();
PdfObject imageMask = dict.get(PdfName.IMAGEMASK);
Image image = Image.getInstance(imageBytes);
if (imageMask == null) {
imageMask = dict.get(PdfName.IM);
}
if (imageMask != null && imageMask.equals(PdfBoolean.PDFTRUE)) {
image.makeMask();
}
PdfContentByte canvas = getContext().getCanvas();
canvas.addImage(image, 1, 0, 0, 1, 0, 0, true);
} else if (pdfImage != null && imageBytes != pdfImage.getImageAsBytes()) {
chunks.add(new PdfCleanUpContentChunk.Image(true, imageBytes));
}
} catch (UnsupportedPdfException pdfException) {
chunks.add(new PdfCleanUpContentChunk.Image(false, null));
} catch (Exception e) {
throw new RuntimeException(e);
}
}
}
内联图像在这里需要特殊处理：对于 non-inlined 图像，绘制图像 XObject 的实际指令在别处处理，renderImage 只需要检查图像是否需要编辑并提供一个编辑图像版本。但是，对于内联图像，此方法还必须将图像添加到结果内容流中（除非它被完全删除）。
如您所见，对于部分被密文区域 (areasToBeCleaned.size() > 0) 覆盖的图像，块中的内嵌图像有特殊处理，但 none 对于未被密文区域覆盖的图像 (areasToBeCleaned != null 和 areasToBeCleaned.size() == 0).
如何修复
您可以通过在新的 else 子句中添加类似的特殊处理来解决此问题：
public void renderImage(ImageRenderInfo renderInfo) {
List<Rectangle> areasToBeCleaned = getImageAreasToBeCleaned(renderInfo);
if (areasToBeCleaned == null) {
chunks.add(new PdfCleanUpContentChunk.Image(false, null));
} else if ( areasToBeCleaned.size() > 0) {
try {
PdfImageObject pdfImage = renderInfo.getImage();
byte[] imageBytes = processImage(pdfImage.getImageAsBytes(), areasToBeCleaned);
if (renderInfo.getRef() == null && pdfImage != null) { // true => inline image
PdfDictionary dict = pdfImage.getDictionary();
PdfObject imageMask = dict.get(PdfName.IMAGEMASK);
Image image = Image.getInstance(imageBytes);
if (imageMask == null) {
imageMask = dict.get(PdfName.IM);
}
if (imageMask != null && imageMask.equals(PdfBoolean.PDFTRUE)) {
image.makeMask();
}
PdfContentByte canvas = getContext().getCanvas();
canvas.addImage(image, 1, 0, 0, 1, 0, 0, true);
} else if (pdfImage != null && imageBytes != pdfImage.getImageAsBytes()) {
chunks.add(new PdfCleanUpContentChunk.Image(true, imageBytes));
}
} catch (UnsupportedPdfException pdfException) {
chunks.add(new PdfCleanUpContentChunk.Image(false, null));
} catch (Exception e) {
throw new RuntimeException(e);
}
} else { // add inline images not subject to redaction to the content
try {
PdfImageObject pdfImage = renderInfo.getImage();
if (renderInfo.getRef() == null && pdfImage != null) { // true => inline image
PdfDictionary dict = pdfImage.getDictionary();
PdfObject imageMask = dict.get(PdfName.IMAGEMASK);
Image image = Image.getInstance(pdfImage.getImageAsBytes());
if (imageMask == null) {
imageMask = dict.get(PdfName.IM);
}
if (imageMask != null && imageMask.equals(PdfBoolean.PDFTRUE)) {
image.makeMask();
}
PdfContentByte canvas = getContext().getCanvas();
canvas.addImage(image, 1, 0, 0, 1, 0, 0, true);
}
} catch (Exception e) {
throw new RuntimeException(e);
}
}
}
例子
为了说明问题和修复的效果，我创建了一个包含五个内联图像的简单 PDF：
Document document = new Document(new Rectangle(500, 500));
PdfWriter writer = PdfWriter.getInstance(document, baos);
document.open();
PdfContentByte canvas = writer.getDirectContent();
for (int i = 0; i < 5; i++) {
canvas.addImage(image, 50, 0, 0, 50, i * 100 + 25, i * 100 + 25, true);
}
document.close();
(RedactWithImageIssue 辅助方法 createPdfWithInlineImages)
看起来像这样：
像这样应用密文
PdfReader reader = new PdfReader(pdf);
PdfStamper stamper = new PdfStamper(reader, new FileOutputStream(RESULT));
List<com.itextpdf.text.pdf.pdfcleanup.PdfCleanUpLocation> locations = new ArrayList<>();
locations.add(new com.itextpdf.text.pdf.pdfcleanup.PdfCleanUpLocation(1, new Rectangle(150, 150, 350, 350), BaseColor.RED));
new PdfCleanUpProcessor(locations, stamper).cleanUp();
stamper.close();
(RedactWithImageIssue 测试 testRedactPdfWithInlineImages)
没有和有补丁分别导致
如您所见，最初只保留了部分编辑的内联图像，但随着补丁完全在编辑区域之外的内联图像也保留了下来。
首先，我对 java 以及 iText 都比较陌生。
很快，我有一个程序可以从大源 pdf 文档中每 2 页复制一次，并为每对页面创建一个新文档。此外，该程序从第一页删除了一些文本信息，并使用所有者密码保护新文档。
这是我的代码。我使用 iText 5.5.13.
//...
final Rectangle RECT_TOP= new Rectangle(25f, 788f, 288f, 812.5f);
final Rectangle RECT_BOT= new Rectangle(103.5f, 36.5f, 331f, 40f);
//...
PdfDocument document = new Document(reader.getPageSizeWithRotation(1));
File tempFile = File.createTempFile("temp", ".pdf");
PdfCopy writer = new PdfCopy(
document, //PdfDocument
new FileOutputStream(tempFile.getAbsolutePath()));
document.open();
writer.addPage( writer.getImportedPage(reader, i) );
writer.addPage( writer.getImportedPage(reader, i + 1) );
writer.freeReader(reader);
writer.close();
document.close();
PdfReader tmpReader = new PdfReader(tempFile.getAbsolutePath());
PdfStamper st = new PdfStamper(tmpReader, new FileOutputStream(outFile));
List<PdfCleanUpLocation> locations = new ArrayList<PdfCleanUpLocation>();
locations.add(new PdfCleanUpLocation(1, RECT_TOP, BaseColor.WHITE));
locations.add(new PdfCleanUpLocation(1, RECT_BOT, BaseColor.WHITE));
new PdfCleanUpProcessor(locations, st).cleanUp();
st.setEncryption(
"".getBytes(),
OWNER_PASSWORD.getBytes(),
PdfWriter.ALLOW_COPY | PdfWriter.ALLOW_PRINTING,
PdfWriter.ENCRYPTION_AES_256 | PdfWriter.DO_NOT_ENCRYPT_METADATA);
st.getWriter().freeReader(tmpReader);
st.close();
tmpReader.close();
tempFile.delete();
源 PDF 在我必须 cleanUp() 的每个页面上都有一个 QR 码作为图像。区域 RECT_TOP 和 RECT_BOT 不以任何方式包含图像。
我在两个 pdf 上测试了我的代码，里面有相同的数据。其中一个是使用 BullZip PDF 打印机 (v PDF-1.5) 创建的，另一个是使用 Foxit PDF 打印机 (v PDF-1.7) 创建的。问题是 cleanUp 方法删除了 QR 代码 和来自矩形位置的数据传递给 BullZip 创建的文档中的 PdfCleanUpProcessor，但对于 foxit PDF，它可以正常工作，我真的需要它与Bullzip 文档。
我试图通过编辑注释来操纵临时 pdf 文件和 cleanUp() 的版本，但没有用。
我想了解要查看的位置以及要更改的内容（也许在 PdfCleanUpProcessor class 中的某处？）以使其正常工作。 有人知道为什么会这样吗？
更新。我设法创建了一些类似于我需要处理的 PDF，并且我发现了另一件有趣的事情：Bullzip 能够自己创建 "bad" 和 "good" 文件。我检查了不同的打印机设置，包括权限，但仍然很难说它取决于什么。在显着差异中，只有文件尺寸略小和页边距略有不同。
无论如何，我的 test files
您确实在 iText 5 PdfCleanUpProcessor 中发现了一个错误：它会丢弃所有未部分编辑的 内联 图像。
错误详情
错误位于 PdfCleanUpRenderListener 方法 renderImage:
public void renderImage(ImageRenderInfo renderInfo) {
List<Rectangle> areasToBeCleaned = getImageAreasToBeCleaned(renderInfo);
if (areasToBeCleaned == null) {
chunks.add(new PdfCleanUpContentChunk.Image(false, null));
} else if ( areasToBeCleaned.size() > 0) {
try {
PdfImageObject pdfImage = renderInfo.getImage();
byte[] imageBytes = processImage(pdfImage.getImageAsBytes(), areasToBeCleaned);
if (renderInfo.getRef() == null && pdfImage != null) { // true => inline image
PdfDictionary dict = pdfImage.getDictionary();
PdfObject imageMask = dict.get(PdfName.IMAGEMASK);
Image image = Image.getInstance(imageBytes);
if (imageMask == null) {
imageMask = dict.get(PdfName.IM);
}
if (imageMask != null && imageMask.equals(PdfBoolean.PDFTRUE)) {
image.makeMask();
}
PdfContentByte canvas = getContext().getCanvas();
canvas.addImage(image, 1, 0, 0, 1, 0, 0, true);
} else if (pdfImage != null && imageBytes != pdfImage.getImageAsBytes()) {
chunks.add(new PdfCleanUpContentChunk.Image(true, imageBytes));
}
} catch (UnsupportedPdfException pdfException) {
chunks.add(new PdfCleanUpContentChunk.Image(false, null));
} catch (Exception e) {
throw new RuntimeException(e);
}
}
}
内联图像在这里需要特殊处理：对于 non-inlined 图像，绘制图像 XObject 的实际指令在别处处理，renderImage 只需要检查图像是否需要编辑并提供一个编辑图像版本。但是，对于内联图像，此方法还必须将图像添加到结果内容流中（除非它被完全删除）。
如您所见，对于部分被密文区域 (areasToBeCleaned.size() > 0) 覆盖的图像，块中的内嵌图像有特殊处理，但 none 对于未被密文区域覆盖的图像 (areasToBeCleaned != null 和 areasToBeCleaned.size() == 0).
如何修复
您可以通过在新的 else 子句中添加类似的特殊处理来解决此问题：
public void renderImage(ImageRenderInfo renderInfo) {
List<Rectangle> areasToBeCleaned = getImageAreasToBeCleaned(renderInfo);
if (areasToBeCleaned == null) {
chunks.add(new PdfCleanUpContentChunk.Image(false, null));
} else if ( areasToBeCleaned.size() > 0) {
try {
PdfImageObject pdfImage = renderInfo.getImage();
byte[] imageBytes = processImage(pdfImage.getImageAsBytes(), areasToBeCleaned);
if (renderInfo.getRef() == null && pdfImage != null) { // true => inline image
PdfDictionary dict = pdfImage.getDictionary();
PdfObject imageMask = dict.get(PdfName.IMAGEMASK);
Image image = Image.getInstance(imageBytes);
if (imageMask == null) {
imageMask = dict.get(PdfName.IM);
}
if (imageMask != null && imageMask.equals(PdfBoolean.PDFTRUE)) {
image.makeMask();
}
PdfContentByte canvas = getContext().getCanvas();
canvas.addImage(image, 1, 0, 0, 1, 0, 0, true);
} else if (pdfImage != null && imageBytes != pdfImage.getImageAsBytes()) {
chunks.add(new PdfCleanUpContentChunk.Image(true, imageBytes));
}
} catch (UnsupportedPdfException pdfException) {
chunks.add(new PdfCleanUpContentChunk.Image(false, null));
} catch (Exception e) {
throw new RuntimeException(e);
}
} else { // add inline images not subject to redaction to the content
try {
PdfImageObject pdfImage = renderInfo.getImage();
if (renderInfo.getRef() == null && pdfImage != null) { // true => inline image
PdfDictionary dict = pdfImage.getDictionary();
PdfObject imageMask = dict.get(PdfName.IMAGEMASK);
Image image = Image.getInstance(pdfImage.getImageAsBytes());
if (imageMask == null) {
imageMask = dict.get(PdfName.IM);
}
if (imageMask != null && imageMask.equals(PdfBoolean.PDFTRUE)) {
image.makeMask();
}
PdfContentByte canvas = getContext().getCanvas();
canvas.addImage(image, 1, 0, 0, 1, 0, 0, true);
}
} catch (Exception e) {
throw new RuntimeException(e);
}
}
}
例子
为了说明问题和修复的效果，我创建了一个包含五个内联图像的简单 PDF：
Document document = new Document(new Rectangle(500, 500));
PdfWriter writer = PdfWriter.getInstance(document, baos);
document.open();
PdfContentByte canvas = writer.getDirectContent();
for (int i = 0; i < 5; i++) {
canvas.addImage(image, 50, 0, 0, 50, i * 100 + 25, i * 100 + 25, true);
}
document.close();
(RedactWithImageIssue 辅助方法 createPdfWithInlineImages)
看起来像这样：
像这样应用密文
PdfReader reader = new PdfReader(pdf);
PdfStamper stamper = new PdfStamper(reader, new FileOutputStream(RESULT));
List<com.itextpdf.text.pdf.pdfcleanup.PdfCleanUpLocation> locations = new ArrayList<>();
locations.add(new com.itextpdf.text.pdf.pdfcleanup.PdfCleanUpLocation(1, new Rectangle(150, 150, 350, 350), BaseColor.RED));
new PdfCleanUpProcessor(locations, stamper).cleanUp();
stamper.close();
(RedactWithImageIssue 测试 testRedactPdfWithInlineImages)
没有和有补丁分别导致
如您所见，最初只保留了部分编辑的内联图像，但随着补丁完全在编辑区域之外的内联图像也保留了下来。