如何替换pdf文件的每条流数据？

Question

我正在处理 pdf 解密任务。我首选的解析/处理 pdf 的库是 iText。

例如，下面是来自加密pdf文件的流数据之一。如您所见，它包含两个过滤器：VendorPDFEncrypt 和 FlateDecode。 VendorPDFEncrypt 由pdf供应商提供，并提供相应的解密方法。

6 0 obj
<</Length 608/Filter[/VendorPDFEncrypt/FlateDecode]>>stream
encryptedBy_FlateDecode_VendorPDFEncrypt_data
endstream
endobj

我的目标是迭代每个流数据，然后解密它，从 Filter 中删除“VendorPDFEncrypt”字符串并重新计算长度（例如 608 -> 598）。目标流数据应如下所示。

6 0 obj
<</Filter[/FlateDecode]/Length 598>>stream
encryptedBy_FlateDecode_data
endstream
endobj

我的代码如下。我的问题是：

(1) 如何获取pdf对象总数？

(2) 如何替换流数据？

(3) 如何从过滤器中删除“VendorPDFEncrypt”并重新计算长度？

var pdf = new PdfReader(file);
int i = 0;

while (true)
{
    // TODO: need to find a better way to get the total count of pdf objects
    i++;
    if (i > 1000)
        break;

    PdfObject obj = pdf.GetPdfObject(i);

    if (obj != null && obj.IsStream())
    {
        PRStream encryptedStream = (PRStream)pdf.GetPdfObject(i);
        byte[] encryptedBytes = PdfReader.GetStreamBytesRaw(encryptedStream);
        byte[] decryptedContent = VendorDecrypt.__DecryptHelper(DecryptFileFormat.Buffer, key, random, encryptedBytes);

        // TODO: replace the original encrypted content with decryptedContent
        // decryptedContent = encryptedBy_FlateDecode_data
    }
}

Answer 1

(Q1)如何获取pdf对象总数？

A1) 在某些情况下，许多 PDF 实际上可以在没有总数的情况下工作，如果说文件没有被截断得太严重，但是在文件的尾端可以预期 10 例中的 9 例中的对象计数：-

trailer <</Size 15

表示条目 14 0 obj 应该在某处（实际上这意味着 16 或更多）包括标题和尾部以及任何增量或其他代

即使是密码加密的文件也应该有类似的条目，除非它是加密的！

/Size 12 /Type /XRef /W [1 2 1] >>stream
xÚÁ±@ Á{Gf†*PŠL¤¥hF?ÈùvJicÑ!,È|"ש1±úý3ÏÑXÃúÊ´ñBMÖ

A 1.5) 如何轻松提取流，如果您知道对象编号并且对象位置未加密，那么您可以轻松导出它们以适应并返回

程序用法：

pdftosrc <PDF-file> [<stream-object-number>]

如果我请求看起来像的对象 5

5 0 obj
<<
/Filter /FlateDecode
/Length 100
>>
stream
xœ3Ð375 =T†.¦œ…‰¡ž¥‘‰‰Br.W!¦¦\.#c > C„h²¨‰!œ™ƒ0E4ƒ+\K!h6ÃD҃͠õ=sÓS
\ò¹¹¹ ,.8
endstream

回应

0.750000 0.000000 0.000000 -0.750000 0.000000 841.920044 cm
q
0.000000 0.000000 m
230.720001 0.000000 l
230.720001 410.720001 l
0.000000 410.720001 l
h
W* n
q
230.720001 0.000000 0.000000 -410.720001 0.000000 410.720001 cm
/Image1 Do
Q
Q

(Q2)如何替换流数据？

A2) 当您有信心时，最安全的方法是在 DECIMAL 地址模式下使用十六进制编辑器，这样可以避免运行文件，并让您测量、剪切、粘贴、插入和覆盖 8 位二进制字节。 （并具有搜索/替换对象标志等能力）

还有允许导出流的 PDF COS 分析器，这里是 Apryse 的一个旧分析器（PDFtron/iText/Etc.），他们更为人所知的可能是 RUPS

此文件是打开密码（我不知道）因此所有原始数据都被编码为加密。

（Q3）如何从过滤器中删除“VendorPDFEncrypt”并重新计算长度？

A3) 编辑器具有查找和替换（=无）能力，并且对于少量计数，它很容易测量/修复变化。但对于多个条目，您可能需要解压缩文件以进行批量编辑。但是，由于您的重点是供应商加密，除非您知道解压密码，否则可能会更加困难。

清楚地看到所要求的最小样本以获得准确的答案，将有助于确定最佳方法。