使用 iTextSharp 删除 PDF 不可见对象

Posted 2023-02-24

【中文标题】使用 iTextSharp 删除 PDF 不可见对象

【英文标题】：Removing PDF invisible objects with iTextSharp

【发布时间】：2013-02-20 07:32:43

【问题描述】：

是否可以使用 iTextSharp 从 PDF 文档中删除不可见（或至少不显示）的对象？

更多细节：

1) 我的来源是一个 PDF 页面，其中包含图像和文本（可能是一些矢量图）和嵌入的字体。

2) 有一个界面可以设计多个“裁剪框”。

3) 我必须生成一个仅包含裁剪框内内容的新 PDF。必须从生成的文档中删除任何其他内容（实际上我可以接受一半在里面一半在外面的内容，但这不是理想的，无论如何也不应该出现）。

到目前为止我的解决方案：

我已经成功开发了一种解决方案，可以创建新的临时文档，每个文档都包含每个裁剪框的内容（使用 writer.GetImportedPage 和 contentByte.AddTemplate 到与裁剪框大小完全相同的页面）。然后我创建最终文档并重复该过程，使用 AddTemplate 方法将每个“裁剪页面”定位在最终页面中。

这个解决方案有两个很大的缺点：

文档的大小是[原始大小] * [裁剪框的数量]，因为整页都在那里，盖了很多次！ （看不见，但它就在那里） 仍然可以通过在阅读器中选择全部 (CTRL+A) 并粘贴来访问不可见文本。

所以，我认为我需要遍历 PDF 对象，检测它是否可见，然后将其删除。在撰写本文时，我正在尝试使用 pdfReader.GetPdfObject。

感谢您的帮助。

【问题讨论】：

由于 iText 提供了一个低级 API，允许您操作文档中的几乎所有内容，这是可能的。不过，这不是说它是简单，因为您必须自己编写代码来识别页面内容中的每个元素是否可见，您也必须自己将内容的其余部分粘合在一起。但是，如果要使导入的页面模板的多个部分可见，则可以在当前解决方案中减小生成的文档大小。有趣的工作数周......

尝试使用PdfStamper 类进行裁剪：itextpdf.com/examples/iia.php?id=231

就 iTextSharp 而言，我不是 100% 的，但 iPdfSharp 能够从表单呈现。这个想法是您在表单中打开您正在裁剪的页面，然后仅将您需要的部分呈现到新文档中。您不会制作多个副本，渲染（裁剪）的部分将是图像。试试看这是否是 IText api 下的一个选项。

由于时间限制，我决定使用另一个PDF框架来完成我所需要的。为此，我使用了 AmyUni PDF Creator .NET，一个简单而漂亮的库。虽然它有自己的错误，但我正在与他们互动以解决。

你看过ABCPdf吗？如果我是正确的，它可以做你想做的事，而且价格和 AmyUni lics 差不多。

【参考方案1】：

这是我找到的三个解决方案，如果它可以帮助某人（使用iTextSharp、Amyuni 或Tracker-Software，正如@Hetote 在他正在寻找另一个库的 cmets 中所说）：

使用 iTextSharp

作为answered by @martinbuberl in another question:

public static void CropDocument(string file, string oldchar, string repChar)

    int pageNumber = 1;
    PdfReader reader = new PdfReader(file);
    iTextSharp.text.Rectangle size = new iTextSharp.text.Rectangle(
    Globals.fX,
    Globals.fY,
    Globals.fWidth,
    Globals.fHeight);
    Document document = new Document(size);
    PdfWriter writer = PdfWriter.GetInstance(document,
    new FileStream(file.Replace(oldchar, repChar),
    FileMode.Create, FileAccess.Write));
    document.Open();
    PdfContentByte cb = writer.DirectContent;
    document.NewPage();
    PdfImportedPage page = writer.GetImportedPage(reader,
    pageNumber);
    cb.AddTemplate(page, 0, 0);
    document.Close();

@rafixwpt 在his question 中的另一个答案，但它不会删除不可见的元素，它会清理页面的一个区域，这可能会影响页面的其他部分：

static void textsharpie()

    string file = "C:\\testpdf.pdf";
    string oldchar = "testpdf.pdf";
    string repChar = "test.pdf";
    PdfReader reader = new PdfReader(file);
    PdfStamper stamper = new PdfStamper(reader, new FileStream(file.Replace(oldchar, repChar), FileMode.Create, FileAccess.Write));
    List<PdfCleanUpLocation> cleanUpLocations = new List<PdfCleanUpLocation>();
    cleanUpLocations.Add(new PdfCleanUpLocation(1, new iTextSharp.text.Rectangle(0f, 0f, 600f, 115f), iTextSharp.text.BaseColor.WHITE));
    PdfCleanUpProcessor cleaner = new PdfCleanUpProcessor(cleanUpLocations, stamper);
    cleaner.CleanUp();
    stamper.Close();
    reader.Close();

使用 Amyuni

作为answered by @yms in another question:

IacDocument.GetObjectsInRectangle 方法

GetObjectsInRectangle 方法获取位于 指定的矩形。

然后你可以迭代页面中的所有对象，删除你不感兴趣的：

//open a pdf document
document.Open(testfile, "");
IacPage page1 = document.GetPage(1);
Amyuni.PDFCreator.IacAttribute attribute = page1.AttributeByName("Objects");

// listObj is an array list of graphic objects
System.Collections.ArrayList listobj = (System.Collections.ArrayList) attribute.Value.Cast<IacObject>();;

// listObjToKeep is an array list of graphic objects inside a rectangle
var listObjToKeep = document.GetObjectsInRectangle(0f, 0f, 600f, 115f,  IacGetRectObjectsConstants.acGetRectObjectsIntersecting).Cast<IacObject>();
foreach (IacObject pdfObj in listObj.Except(listObjToKeep))

   // if pdfObj is not in visible inside the rectangle then call pdfObj.Delete();
   pdfObj.Delete(false);

如cmets中@yms所说，另一种使用5.0版本新方法IacDocument.Redact的解决方案也可以用于删除指定矩形中的所有对象，并在其位置绘制一个纯色矩形。

使用 Tracker-Software Editor SDK

我没有尝试过，但似乎可行，请参阅post。

【讨论】：

在 Amyuni PDF Creator 的情况下，5.0 版本中添加了一个新方法IacDocument.Redact，这可能对这种情况有所帮助。

【参考方案2】：

是的，这是可能的。您需要将 pdf 页面内容字节解析为 PdfObject，将它们存储到内存中，删除不需要的 PdfObject，将 Pdf 内容从 PdfObject 构建回 pdf 内容字节，在通过 PdfWriter 导入页面之前替换 PdfReader 中的页面内容。

我建议你看看这个：http://habjan.blogspot.com/2013/09/proof-of-concept-converting-pdf-files.html

链接中的示例实现 Pdf 内容字节解析，从 PdfObjec 重建，替换 PdfReader 页面内容字节...

【参考方案3】：

PdfReader pdfReader = new PdfReader(../Template_Path.pdf"));
PdfStamper pdfStamperToPopulate = new PdfStamper(pdfReader, new FileStream(outputPath, FileMode.Create));
AcroFields pdfFormFields = pdfStamperToPopulate.AcroFields;
pdfFormFields.RemoveField("fieldNameToBeRemoved");

【参考方案4】：

如果您尝试的 PDF 是模板/预定义/固定，那么您可以通过调用 RemoveField 删除该对象。

PdfReader pdfReader = new PdfReader(../Template_Path.pdf"));
PdfStamper pdfStamperToPopulate = new PdfStamper(pdfReader, new FileStream(outputPath, FileMode.Create));
AcroFields pdfFormFields = pdfStamperToPopulate.AcroFields;
pdfFormFields.RemoveField("fieldNameToBeRemoved");

【讨论】：

OP 不是在谈论表单字段。他扔掉了writer.GetImportedPage 和contentByte.AddTemplate 期间的所有表单字段，如果有的话。

【参考方案5】：

您是否尝试过使用 IRenderListener？您可以通过检查 TextRenderInfo 或 ImageRenderInfo 对象的 StartPoint 和 EndPoint 或 Area 有选择地仅将那些位于裁剪区域内的元素添加到新的 pdf 中。