通过页面搜索已使用的资源并将其删除

Question

我使用这种技术从另一个源pdf导出acroform到新的pdf文件。

结果pdf with acroform只有您可以在此处下载

我使用pdfcompressor在线网站压缩了这个pdf（59Ko），我将其减少了64%。这个网站似乎清理了资源中所有未使用的东西，下面是PDFDebugger的截图

我的问题是如何从Resources[]中获取xject或字体，并检查它们是否在页面的某个地方使用，如果不从Resources[]中删除它的话。

如果使用或不使用某些资源时在PDPage中搜索很复杂，如何从资源[]中删除XObject或Font？

虽然在页面中搜索使用过的xobject超出了我的范围，但我只是尝试了直接删除COSObject，但不起作用^^：

        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
                }

            }
        }

备注：此处讨论了在@mkl建议后创建的问题

以下是我必须从pdf://create FORM from original中提取acroform的当前代码

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);

此结果：pdf无资源

这个没有资源的时间表单是73Ko，而我的原始pdf是75Ko。

Answer 1

嗯，我认为你现在的任务比你在问题中要求的要简单得多。我解释你的

我使用这种技术从另一个源pdf导出acroform到新的pdf文件。

这意味着您只想将AcroForm字段和功能从一个PDF传输到另一个PDF，而对原始文件的静态页面内容不感兴趣。

因此，对于您实际使用哪些页面资源的问题，答案很简单：无！页面资源是您不感兴趣的静态内容（页面内容流中）中使用的资源。

因此，首先不需要将页面资源复制到新文档中，只需删除该行即可

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

参考答案中的代码。

作为旁白：@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“acroform的默认资源”，而不是页面资源。因此，您可能不仅希望复制PDAcroForm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());

这个没有资源的时间表单是73Ko，而我的原始pdf是75Ko。

深入查看“没有资源的表单.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！

该P值指定为

P dictionary（可选，除非下面另有说明；PDF 1.3；不在FDF文件中使用）对与此批注关联的页面对象的间接引用。

（ISO 32000-1，表164——所有注释词典通用的条目）

因此，您将目标页面的注释设置为源页面的注释，但其P值中的这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小一点也不奇怪。

如果更改代码以更正P引用，例如：

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测试已验证）

您将失去对旧数据的这些引用。