iTextSharp：分页大小等于文件大小

Question

这是我分割大PDF（144 mb）的方法：

public int SplitAndSave(string inputPath, string outputPath)
{
    FileInfo file = new FileInfo(inputPath);
    string name = file.Name.Substring(0, file.Name.LastIndexOf("."));

    using (PdfReader reader = new PdfReader(inputPath))
    {
        for (int pagenumber = 1; pagenumber <= reader.NumberOfPages; pagenumber++)
        {
            string filename = pagenumber.ToString() + ".pdf";

            Document document = new Document();
            PdfCopy copy = new PdfCopy(document, new FileStream(outputPath + "\\" + filename, FileMode.Create));

            document.Open();

            copy.AddPage(copy.GetImportedPage(reader, pagenumber));

            document.Close();
        }
        return reader.NumberOfPages;
    }
}

对于大多数PDF（小尺寸，我猜是旧格式），一切正常。但是，对于较大的页面（可能正在使用诸如refstreams之类的东西进行更好的压缩），拆分页面将以一页打开，但其大小等于原始PDF的大小。我该怎么办？

Answer 1

对于您的文档Top_Gear_Magazine_2012_09.pdf，确实是我提到的原因：所有页面都将对象2 0 R称为/ Resources，而字典将2 0 obj]引用>依次引用PDF中的所有图像。

要将该文档分成仅包含所需图像的部分文档，您应先查找哪些图像属于哪些页面，然后为所有页面创建单独的/ Resources

词典，对文档进行预处理。

由于您已经在这种情况下使用了iText，因此您也可以使用它来查找哪些页面需要哪些图像。使用iText parser程序包通过RenderListener实现对其页面进行最初的PDF解析，该实现的RenderImage方法仅记住当前页面上使用了哪些图像对象。 （作为一种特殊的用法，iText隐藏了所讨论的图像XObject的名称；不过，您获得了间接对象，并且可以查询其对象和世代号，足以进行下一步。）

[第二步，在PdfStamper中打开文档，然后遍历页面。对于每个页面，您都检索/ Resources

词典并进行复制，但是仅复制那些引用了其中一个图像对象的XObjects引用，这些对象的对象编号和生成过程在第一步中已为您记住。最后，将缩小的副本设置为相关页面的/ Resources字典。

生成的PDF应该可以很好地分割。

PS

最近，iText邮件列表中出现了一个非常类似的问题。 In that thread the solution recipe given here has been improved，要解决因iText隐藏xobject名称而造成的困难，我现在建议通过使用不同的ContentOperator作为“ Do”（在此为Java版本）进行干预，以防止名称丢失。

class Do implements ContentOperator 
{ 
    public void invoke(PdfContentStreamProcessor processor, PdfLiteral operator, ArrayList<PdfObject> operands) throws IOException 
    { 
        PdfName xobjectName = (PdfName)operands.get(0); 
        names.add(xobjectName); 
    } 

    final List<PdfName> names = new ArrayList<PdfName>(); 
} 
此内容运算符仅收集使用的xobject的名称，即为给定页面保留的xobject资源。