Question

我有一个简单的场景，我从PDF文档中提取页面（或者将文档分成两部分，如果你愿意的话）并将这些部分合并回一个新文档，并可以选择在两者之间添加新页面。

然而，在一个特定情况下，所得到的文档与原始文档的不同之处在于，与源文档相比，几页（在这种情况下，页面4和5）看起来是扭曲的。

如何规避页面的失真？下面的再现代码已经使用iTextSharp版本5.5.0.0和5.5.6.0（目前最新版本）进行了测试。您可以找到我使用的输入文件here。

void Main()
{              
                var pathPrefix = @"C:\temp"; // TODO change
                var inputDocPath = @"input.pdf";

                var part1 = ExtractPages(Path.Combine(pathPrefix, inputDocPath), 1, 2);
                var outputPath1 = Path.Combine(pathPrefix, "part1.pdf");
                File.WriteAllBytes(outputPath1, part1);

                var part2 = ExtractPages(Path.Combine(pathPrefix, inputDocPath), 3);
                var outputPath2 = Path.Combine(pathPrefix, "part2.pdf");
                File.WriteAllBytes(outputPath2, part2);

                var merged = Merge(new[] {
                                                                                                                             outputPath1, 
                                                                                                                             outputPath2
                                                                                                              });

                var mergedPath = Path.Combine(pathPrefix, "output.pdf");
                File.WriteAllBytes(mergedPath, merged);
}

//Page sizes:
//  input: 8,26x11,68; 8,26x11,69; 8,26x11,69; 8,26x11,69; 8,26x11,69; 8,26x11,68; 8,26x11,68
// output: 8,26x11,68; 8,26x11,69; 8,26x11,69; 8,26x11,69; 8,26x11,69; 8,26x11,68; 8,26x11,68

public static byte[] Merge(string[] documentPaths)
{
                byte[] mergedDocument;

                using (MemoryStream memoryStream = new MemoryStream())
                using (Document document = new Document())
                {
                               PdfSmartCopy pdfSmartCopy = new PdfSmartCopy(document, memoryStream);
                               document.Open();

                               foreach (var docPath in documentPaths)
                               {
                                               PdfReader reader = new PdfReader(docPath);
                                               try
                                               {
                                                               reader.ConsolidateNamedDestinations();
                                                               var numberOfPages = reader.NumberOfPages;
                                                               for (int page = 0; page < numberOfPages;)
                                                               {
                                                                              PdfImportedPage pdfImportedPage = pdfSmartCopy.GetImportedPage(reader, ++page);
                                                                              pdfSmartCopy.AddPage(pdfImportedPage);
                                                               }
                                               }
                                               finally
                                               {
                                                               reader.Close();
                                               }
                               }

                               document.Close();
                               mergedDocument = memoryStream.ToArray();
                }

                return mergedDocument;
}


public static byte[] ExtractPages(string pdfDocument, int startPage, int? endPage = null)
{
                var reader = new PdfReader(pdfDocument);
                var numberOfPages = reader.NumberOfPages;
                var endPageResolved = endPage.HasValue ? endPage.Value : numberOfPages;
                if (startPage > numberOfPages || endPageResolved > numberOfPages)
                               string.Format("Error: page indices ({0}, {1}) out of bounds. Document has {2} pages.", 
                                                                                 startPage, endPageResolved, numberOfPages).Dump();

                byte[] outputDocument;
                using (var doc = new Document()) // NOTE use reader.GetPageSizeWithRotation(startPage) ?
                using (var msOut = new MemoryStream())
                {
                               var pdfCopyProvider = new PdfCopy(doc, msOut);                       
                               doc.Open();
                               for (var i = startPage; i <= endPageResolved; i++)
                               {
                                               var page = pdfCopyProvider.GetImportedPage(reader, i);
                                               pdfCopyProvider.AddPage(page);
                               }
                               doc.Close();
                               reader.Close();                
                               outputDocument = msOut.ToArray();
                }

                return outputDocument;
}

Answer 1

我可以使用您的代码和test file使用iTextSharp 5.5.6重现此问题。实际上，虽然图像不仅仅是扭曲，它们已被其他人替换！人们观察到内部检查结果PDF：

原来第3页到第5页各自都有各自的资源字典，其中包含的条目与彼此不同。
分手后，作为part2.pdf的第1页到第3页，他们仍然有不同的资源词典。
在最终的合并结果中，第3页到第5页都引用了相同的资源字典对象，原始页面3的资源副本！

（由于第3页包含的图像与第4页和第5页上的图像名称相同，因此第4页图像显示在第4页和第5页。）

不知怎的PdfSmartCopy似乎在这里超越自我，使用PdfCopy代替创建预期结果。

我假设PdfSmartCopy错误地认为那些源词典相同，可能是一些哈希冲突没有实际的相等检查。

值得注意的是，使用Java和iText SmartMerging.java进行的等效测试

因此，这看起来像是iTextSharp端口或.Net的问题。

在itextsharp中的Pdf Merge问题 - 在Merge之后，PDF看起来很扭曲

1 个答案: