Question

我们如何使用pdfbox恢复pdf中的最后一次增量更新？

当我使用增量保存对原始文档进行数字签名（证书签名）时，我会收到签名文档。在检查签名文件的来源后，我可以看到＆＃34; %% EOF＆＃34;正在呈现2次。如果我手动删除最后一个＆＃34; %% EOF＆＃34;连同其内容，我可以看到PDF返回其初始状态，这与原始文档非常相似。

我该如何务实地做到这一点？

我正在使用PDFBOX v2.0.8

最诚挚的问候，阿布舍克巴克

Answer 1

有更先进的方法，而且还有不太先进的方法。

这是最简单的一个：它会搜索%%EOF标记，然后立即切断。这可能与原始的先前版本不同，因为该标记后面可能是可选的行尾标记。但是，除非先前的修订版已签名或线性化，否则带有行尾标记的变体和不具有行标记的变体等同于PDF文件。

为了搜索%%EOF标记，我们使用来自twitter / elephant-bird项目的StreamSearcher类，参见this earlier stack overflow answer：

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 ByteStreams类。（有许多替代方案，例如Apache Commons IO，但是Guava恰好已经存在于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_DOCUMENT_INPUTSTREAM可能是new FileInputStream(PDF_PATH)或new ByteArrayInputStream(PDF_BYTES)或您必须为PDF重复检索InputStream的任何方法。如果是这些示例（FileInputStream，ByteArrayInputStream），您甚至可以使用reset()重复使用相同的流。

如何使用PDFBOX还原pdf中的增量更新？

1 个答案: