如何使用PDFBOX恢复PDF中的增量更新？

Question

如何使用pdfbox恢复pdf中的上次增量更新？

例如，原始文件签名文件

当我使用增量保存对原始文档进行数字签名（证书签名）时，我会得到一个签名的文档。在检查签名文件的来源时，我可以看到“%%EOF”出现了2次。如果我手动删除最后一个“%%EOF”及其内容，我可以看到PDF返回到其初始状态，这与原始文档非常相似。

我怎样才能务实地做到这一点？

我正在使用PDFBOX v2.0.8

祝你好运，阿披舍克

Answer 1

有更先进的方法，也有不太先进的方法。

这是最简单的一个：它搜索%%EOF标记，然后立即切断。这可能与之前的原始版本不同，因为该标记后面可能有一个可选的行尾标记。但是，除非之前的版本已签名或线性化，否则带行尾标记的变体和不带行尾标记的变体将等效为PDF文件。

对于搜索%%EOF标记，我们使用来自twitter/Elep-bird项目的StreamSearcher类，参见。这个早期的堆栈溢出答案：

public List<Long> simpleApproach(InputStream pdf) throws IOException {
    StreamSearcher streamSearcher = new StreamSearcher("%%EOF".getBytes());
    List<Long> results = new ArrayList<>();
    long revisionSize = 0;
    long diff;
    while ((diff = streamSearcher.search(pdf)) > -1) {
        revisionSize += diff;
        results.add(revisionSize);
    }
    return results;
}

为了只复制所需的字节数，我们使用Guava的ByTestStreams类。（有很多选择，例如Apache Commons IO，但Guava碰巧已经在我的测试项目依赖项中。）

List<Long> simpleSizes = null;
try (   InputStream resource = GET_DOCUMENT_INPUTSTREAM) {
    simpleSizes = simpleApproach(resource);
}

if (1 < simpleSizes.size()) {
    try (   InputStream resource = GET_DOCUMENT_INPUTSTREAM;
            OutputStream file = new FileOutputStream("previousRevision.pdf")) {
        InputStream revision = ByteStreams.limit(resource, simpleSizes.get(simpleSizes.size() - 2));
        ByteStreams.copy(revision, file);
    }
}

GET\u DOCUMENT\u INPUTSTREAM可能是一个新的文件输入流（PDF\u路径）或新的ByteArrayInputStream（PDF\u字节）或任何您必须重复检索PDF的输入流的方式。对于这些示例（FileInputStream，ByteArrayInputStream），您甚至可以使用重置（）重新使用相同的流。