pdf - 从 iTextSharp 和 pdf.js 读取的 pdf 的 ID 之间的区别

Question

我正在尝试使用此答案中提到的 iTextSharp解析特定 pdf ( this ) 的 ID 。但是我得到了 ID 的空数组，而我可以看到另一个 pdfReader (pdf.js) 可以将 id 读取为. 为什么这种行为不同？我是否应该从预告片以外的其他地方读取 ID 字段？77a2a5c4fc17dc3a91a072c46fe69ec0

Answer 1

在文本编辑器中打开带有 ID 的常规 PDF，如下所示：

就在它说的位置之前startxref，您会看到一本字典（它以 开头<<）。那是PDF的预告片字典。其中一个（可选）条目是/ID包含两个 PDF 字符串的数组。

如果您的 PDF 有这样的条目，那么使用 iTextSharp 提取 PDF 文档的 ID问题的答案将不会返回null。

现在在文本编辑器中打开您的 PDF：

您再次看到之前的字典（预告片字典）startxref。但是，在这种情况下，字典只有三个条目：（/Size交叉引用表中的对象数）、/Info（对包含元数据的字典的引用）和/Root（对目录字典的引用）。

没有/ID条目，因此 iText（和 iTextSharp）应该返回null（并且您确认它们会返回）。

现在搜索77a2a5c4fc17dc3a91a072c46fe69ec0您在文本编辑器中打开的 PDF 中的值。你不会在任何地方找到那个价值，因为它根本不存在！

总结：你的问题我是否应该从预告片以外的其他地方读取 ID 字段？是错的。你在问如何阅读不存在的东西。您的问题应该是：为什么 pdf.js 为没有 ID 的 PDF 创建 ID，以及如何检索它？第一部分的答案是合理的：即使是 iText 在您操作 PDF 时也会尝试创建一个/ID，因为 PDF 拥有一个 ID 是一种很好的做法。第二部分的答案是：看预告片（但你已经知道了）。

结论：根据评论中的反馈，事实证明 OP 正在使用fingerprint()pdf.js 中的方法。如果 ID 存在，则此方法返回 ID 的第一个元素。如果没有找到 ID，则返回 MD5 哈希。请参阅pdf.js中方法的源代码。fingerprint()