1

我需要通过页面解析 PDF 文件并将每个文件分别加载到byte[]. 我使用 itext 库。

我下载了一个包含一页的文件，其中包含以下代码：

   public Document addPageInTheDocument(String namePage, MultipartFile pdfData, Long documentId) throws IOException {
      notNull(namePage, INVALID_PARAMETRE);
      notNull(pdfData, INVALID_PARAMETRE);
      notNull(documentId, INVALID_PARAMETRE);
      byte[] in = pdfData.getBytes(); // size file 88747
      Page page = new Page(namePage);
      Document document = new Document();
      document.setId(documentId);
      PdfReader reader = new PdfReader(new ByteArrayInputStream(pdfData.getBytes()));
      PdfDocument pdfDocument = new PdfDocument(reader);
      if (pdfDocument.getNumberOfPages() != 1) {
          throw new IllegalArgumentException();
      }
      byte[] transform = pdfDocument.getPage(1).getContentBytes(); // 1907 size page
      page.setPageData(pdfDocument.getPage(1).getContentBytes());
      return addPageInTheDocument(document, page);
  }

我正在尝试使用以下代码恢复文件：

ByteBuffer byteContent = new ByteBuffer() ;
    for (Map.Entry<String, Page> page : pages.entrySet()) {
       byteContent.append(page.getValue().getPageData());
    }
    PdfWriter writer = new PdfWriter(new FileOutputStream(book.getName() + modification + FORMAT));
    byte[] df = byteContent.toByteArray();
    PdfReader reader = new PdfReader(new ByteArrayInputStream(byteContent.toByteArray()));
    com.itextpdf.layout.Document itextDocument = new com.itextpdf.layout.Document(new PdfDocument(reader, writer));
    itextDocument.close();

为什么会有这么大的大小差异？为什么要创建文件和页面，以及byte[]创建文件？

4

1 回答 1

0

让我们从您的尺寸问题开始：

byte[] in = pdfData.getBytes(); // size file 88747
...
byte[] transform = pdfDocument.getPage(1).getContentBytes(); // 1907 size page

...

为什么会有这么大的大小差异？

因为PdfPage.getContentBytes()不会返回您所期望的。

您似乎期望它返回给定页面内容的完整表示，并且该方法的 Javadocs 可能会被解释为（“获取整个页面内容的解码字节。”）。

不是这种情况。PdfPage.getContentBytes()返回页面内容流的内容。这些内容流包含一系列构建页面的命令。但是这些命令采用引用内容流外部数据的参数，例如：

  • 当在 PDF 页面上绘制文本时，内容流包含选择字体的操作，但描述字体的数据以及在嵌入字体的情况下字体程序本身位于内容流之外；
  • 当绘制位图图像时，内容流通常包含一个操作，该操作引用内容流之外的图像数据；
  • 有些操作引用了所谓的 xobjects，它们本质上是可以从任何页面调用的独立内容流；这些 xobject 也不包含在页面内容流中。

此外，还有带有自己的内容流的注释（例如表单字段），这些内容流存储在单独的结构中。许多页面属性也在外部。

因此，大小上存在这样的差异，因为使用getContentBytes.

现在让我们看看你的代码“恢复文件”。

作为上述推论，很明显您的代码只是连接了一些内容流，但不提供这些流引用的外部资源。

但除此之外，您的代码还指出了对 PDF 页面性质的误解：它们不仅仅是您可以根据需要再次拆分和连接的 blob。它们是分布在整个 PDF 文件中的 PDF 对象的集合；不同的页面可以共享它们的一些对象（例如常用图像的字体）。

你可以做什么代替...

作为单页的表示，您应该使用包含该单页引用的数据的 PDF。iText 示例Burst.java展示了如何做到这一点。

要再次加入这些单页 PDF，您可以使用 iText PdfMerger。请记住设置智能模式 ( PdfWriter.setSmartMode(true)) 以防止结果中的资源重复。

于 2016-08-02T07:15:54.143 回答