Question

我从包含.png的电子邮件中生成了第1000个PDF（我不是生成器的所有者）。由于某些原因，使用我正在使用的成像系统渲染这些PDF非常慢（我不是该系统的开发者，可能不会更改它）。

如果我使用iTextSharp并实现IRenderListener来计算要渲染的图像，则每页有数千个（99％仅为1或2个像素）。但是，如果我计算PDF资源中的图像，只有少数（〜几十）。

我在每页的资源中计算图像，并在

之后使用此处的代码

var dict = pdfReader.GetPageN(currentPage)
PdfDictionary res = (PdfDictionary)PdfReader.GetPdfObject(dict.Get(PdfName.RESOURCES));
PdfDictionary xobj = (PdfDictionary)PdfReader.GetPdfObject(res.Get(PdfName.XOBJECT));

if (xobj != null)
{
 foreach (PdfName name in xobj.Keys)
 {
   PdfObject obj = xobj.Get(name);
   if ((obj.IsIndirect()))
   {
     PdfDictionary tg = (PdfDictionary)PdfReader.GetPdfObject(obj);
     PdfName subtype = (PdfName)PdfReader.GetPdfObject(tg.Get(PdfName.SUBTYPE));
     if (PdfName.IMAGE.Equals(subtype))
     {
       Count++

我的IRenderListener看起来像这样：

class ImageRenderListener : IRenderListener
{
    public void RenderImage(iTextSharp.text.pdf.parser.ImageRenderInfo renderInfo)
    {
        PdfImageObject image = renderInfo.GetImage();
        if (image == null) return;
        var refObj = renderInfo.GetRef();
        if (refObj == null)
            Count++; // but why no ref ??
        else
            Count++;
    }

我刚刚开始学习PDF规范和今晚的iTextSharp，分析我的PDF并了解可能出现的问题......如果我是正确的，我会看到许多要呈现的图像没有引用资源（refObj） == null）并且它们是.png（image.streamContentType.FileExtension =＆＃34; png＆＃34;）。所以，我认为这些图像使渲染变得如此缓慢......

出于测试目的，我想从PDF中删除这些图像，但不知道如何继续。

我只找到代码示例来删除资源中的图片...但我要删除的图片不是：/

是否有任何代码示例可以帮助我？我确实在google＆＃34; iTextSharp删除了对象＆＃34;等...但是没有类似于我的情况:(

Answer 1

让我首先直截了当地观察到你有一个糟糕的PDF。

在PDF查看器中打开PDF时看到的图像似乎由几个小的1或2像素图像组成。无论您使用哪种成像系统，逐个显示这些像素的绘图操作都不是最理想的：您将遇到错误的PDF。

在您的第一个片段中，我看到您遍历存储在每个页面的XObject资源中的所有间接对象以搜索图像。您可以对这些图像进行计数，从而在PDF中存储大量图像XObjects 。如果您为所有页面添加所有Count值，则此数字可能高于PDF中存储的Image XObject的实际数量，因为您没有考虑到某些图像可以在不同页面上重复使用

您不计算存储在内容流中的内联图片。我很有偏见。在PDF的ISO委员会中，我站在一群人的一边说“内嵌图像是邪恶的”和“内嵌图像应该死”。目前，我们没有成功摆脱内联图像，但我们引入了一些实质性的限制，应该减少PDF中符合ISO-32000-2（即将到期的PDF 2.0规范）的内联图像的使用（ab）在2016年）。

您已经发现PDF具有内嵌图像。那些是refObj == null的图像。它们不存储为间接对象;它们以内联方式存储在页面的内容流中。根据我对内嵌图像的感受，您可以想象，因此我认为您的PDF是一个糟糕的PDF（尽管它符合ISO-32000-1）。

内嵌图像的存在首先解释了为什么您有不同的图像计数：当您在间接对象上循环时，您只能找到部分图像。解析文档中的图像时，还可以找到内嵌图像。
第二种解释可能是Image XObject被多次使用。这是不使用内联图像的重点。例如：如果您的图像表示需要在每个页面上重复的徽标，则可以使用内嵌图像。这将是一个坏主意：PDF中存在的相同图像字节数与页数一样多。应该使用Image XObject。在这种情况下，徽标的图像字节仅在间接对象中存储一次。每个页面都有对此对象的引用，因此图像字节仅存储在文档中一次。在一个10页的文档中，您可以在10个页面上看到10个相同的图像，但是当查看文档时，您将只找到每个页面引用的一个图像。

如果通过删除包含图像流对象的间接对象来删除Image XObjects，则必须非常小心：您确定没有损坏文档吗？因为在页面的内容流中有对Image XObject的引用。此引用指向页面/XObjects的{{1}}条目中的条目。这个/Resources引用带有图像字节的流对象。如果删除该间接对象而不删除引用（例如，从内容流中删除），则会破坏PDF。有些观众会忽略这些错误，但在某些时候某些工具（或某些正文）会抱怨你的PDF已损坏。

如果要删除内嵌图像，则必须解析PDF中的所有内容流：页面内容流以及Form XObject内容流。您必须重写所有这些流并确保删除所有内嵌图像。即：所有以/XObject运算符（Begin Image）开头并以BI运算符结束的对象（End Image）。

对于从内到外了解iTextSharp和ISO-32000-1的PDF专家来说，这是一项任务。您的问题的解决方案可能不适合StackOverflow上的应答窗口。

我是iText的原作者。从某种角度来看，iText就像一把锋利的刀。锋利的刀是一种非常好的工具，可用于许多好东西。但是，当您没有以正确的方式使用刀具时，您也可以严重割伤手指。我希望你会小心，并且你不会创建一系列损坏的PDF文件。

例如：您假设PDF中的某些文件是PNG，因为iText建议将它们存储为PNG。但是：ISO-32000-1不支持PNG，因此您认为PDF包含PNG是错误的。当我看到像你这样的问题时，我真的很担心。

从PDF中删除PdfImageOject

1 个答案: