Question

我使用iText将xhtml转换为pdf。之后，我正在构建生成的pdf的md5校验和，以仅存储新的/更改的文件。

每个创建的文件都包含一个看起来像哈希的PdfID0和PdfID1。

那些“哈希”是什么？以及如何删除它们？

我使用iText包中的以下代码来更改metainfos：

        com.lowagie.text.pdf.PdfReader reader = new PdfReader(pdfPath);

        com.lowagie.text.pdf.PdfStamper stamper = new PdfStamper(reader, new FileOutputStream(tempFile));
        HashMap<String, String> hMap = reader.getInfo();          
        hMap.put("Title", "MyTitle");
        hMap.put("Subject", "Subject");
        hMap.put("Keywords", "Key, words, here");
        hMap.put("Creator", "me");
        hMap.put("Author", "me");
        hMap.put("Producer", "me");
        hMap.put("CreationDate", null);
        hMap.put("ModDate", null);
        hMap.put("DocChecksum", null);

        stamper.setMoreInfo(hMap);
        stamper.close();

使用pdftk：

提取的文件元数据

InfoKey: Creator
InfoValue: me
InfoKey: Title
InfoValue: MyTitle
InfoKey: Author
InfoValue: me
InfoKey: Producer
InfoValue: me
InfoKey: Keywords
InfoValue: Key, words, here
InfoKey: Subject
InfoValue: Subject
PdfID0: 28c71a8d7790a4d3e85ce879a90dec0
PdfID1: 4c5865d36c7a381e6166d5e362d0aafc
NumberOfPages: 1

感谢任何提示

Answer 1

您通过PdfID0的元数据转储标记为PdfID1和pdftk的内容是相应末尾的以下PDF trailer代码的一部分PDF文件（示例）：

trailer
   << /Size 32
      /Root 24 R
      /Info 19 R
      /ID [ 
            <28c71a8d7790a4d3e85ce879a90dec0>
            <4c5865d36c7a381e6166d5e362d0aafc>
          ]
   >> startxref
81799
%%EOF

仅当存在/ID条目时，才需要预告片字典中的Encrypt条目;否则它是一个可选的键。

PDF规范描述为：

＆＃34;两个字节串的数组，构成文件的文件标识符（参见14.4，＆＃34;文件标识符＆＃34; ）。如果有一个加密条目，这个数组和两个字节串应该是直接对象，并且应该是未加密的。＆＃34;

此外：

＆＃34;第一个字节字符串应该是基于文件最初创建时的内容的永久标识符，并且在文件逐步更新时不应更改。第二个字节字符串应该是基于上次更新时文件内容的更改标识符。首次写入文件时，两个标识符应设置为相同的值。如果解析文件引用时两个标识符都匹配，则很可能找到了正确且未更改的文件。如果只有第一个标识符匹配，则找到正确文件的不同版本。＆＃34;

NOT 必然哈希。以下是ISO PDF规范建议（不是＆＃34;规定＆＃34;）：

＆＃34;为了帮助确保文件标识符的唯一性，它们应该通过消息摘要算法（如MD5）进行计算（在Internet RFC 1321中描述， MD5消息摘要算法 ;参见参考书目），使用以下信息：


当前时间

文件位置的字符串表示形式，通常是路径名

文件大小（以字节为单位）

文件文档信息词典中所有条目的值（见14.3.3，“文档信息词典”）

生成的PDF文件中还有一些位置可能会随着每次新运行而改变。文档信息字典中的这些键（预告片中引用的/Info条目）

/CreationDate
/ModDate

每次创建或修改PDF时都可能会更新

。

因此，对生成的PDF使用您自己的MD5校验和来检查新的/更改的文件是行不通的，除非您确保至少“正常化”＆＃39;在创建MD5哈希之前，/CreationDate和/ModDate以及/ID条目。

更新：在此答案的评论中正确注明用户 mkl ，/CreationDate和/ModDate键{{1} } dictionary（以及/Info info）通常具有包含在PDF中嵌入的XML元数据中的等效信息。您可以在/ID实用程序的帮助下显示完整的XML元数据，如下所示：

pdfinfo

Answer 2

关于标识符...... pdf规范说：

文件标识符应由PDF文件的预告片字典中的可选ID条目定义（参见7.5.5，“文件预告片”）。 ID条目是可选的，但应该使用。该条目的值应为两个字节字符串的数组。第一个字节字符串应该是基于文件最初创建时的内容的永久标识符，并且在文件逐步更新时不应更改。第二个字节字符串应该是基于上次更新时文件内容的更改标识符。首次写入文件时，两个标识符应设置为相同的值。如果解析文件引用时两个标识符都匹配，则很可能找到了正确且未更改的文件。如果只有第一个标识符匹配，则找到正确文件的不同版本。

这个，标识符是可选的，但建议使用。

IText会自动插入和更新标识符。你当然可以改变iText（毕竟它是开源的）不要这样做。

删除PDF格式的PDFID

2 个答案: