PdfBox flatten pdf 不删除 acroform 元素答案

【问题标题】：PdfBox flatten pdf does not remove acroform elementsPdfBox flatten pdf 不删除 acroform 元素
【发布时间】：2018-01-15 23:05:56
【问题描述】：

我有一个包含很多 acroforms 的 pdf，我对其进行了一些操作，从而生成了一个新的 pdf。所以我有 PDF-1（这是原始的）和 PDF-2（只是 PDF-1 的副本），现在我想合并它们。两种 PDF 都有一些 acroforms，例如：field_a、field_2...

在合并它们之前，我将 PDF-1 展平，因为我只想拥有来自 PDF-2 的 acrofields。当我检查我的新合并 PDF 时，我可以看到 PDF-1 的页面上没有可见字段，而 PDF-2 的字段页面上有字段。乍一看似乎没问题，但是当我检查字段时，我可以看到合并已重命名 PDF-2 的所有字段，例如field_a_dummy123, field_b_dummy232 ...

在我看来，展平不会删除字段，这就是 PDFBox 中的 PDFMerger 将重命名 PDF-2 的字段的原因，因为 acrofields 需要是唯一的。有没有办法完全删除 PDF-1 的 acroforms？

@Test
public void flattenAndMerge() throws IOException {
    File testForm = new File(classLoader.getResource("./TestForm.pdf").getFile());

    byte[] testFormAsByte = Files.readAllBytes(testForm.toPath());
    byte[] testFormAsByte2 = Files.readAllBytes(testForm.toPath());

    PDDocument pdf1 = PDDocument.load(testFormAsByte);
    PDAcroForm acroform = pdf1.getDocumentCatalog().getAcroForm();
    acroform.flatten();
    Path flattendedPdf = Files.createTempFile("flatten", ".pdf");
    pdf1.save(flattendedPdf.toFile());


    PDFMergerUtility merger = new PDFMergerUtility();
    merger.addSource(new ByteArrayInputStream(Files.readAllBytes(flattendedPdf)));
    merger.addSource(new ByteArrayInputStream(testFormAsByte2));
    merger.setDestinationFileName("./build/flattenAndMerge.pdf");
    merger.mergeDocuments(MemoryUsageSetting.setupMainMemoryOnly());

}

我使用的是 PDFBox 2.0.8。

这是输入文件：https://ufile.io/6etxp 以下是测试结果：https://ufile.io/bh94n

我可以看到问题只出现在复选框中，正常的文本字段将被正确删除

【问题讨论】：

你用的是什么版本？请分享 PDF 文件。
我已经编辑了我的帖子并添加了信息
确实，有一个错误，我认为这是由于处理非平凡字段层次结构的问题：复选框字段不是顶级字段，但它们位于顶级节点“cb_a”下”。在合并中，它们不仅被重命名，而且被添加到顶级表单字段列表中；这实际上是无效的，因为它们仍然具有对“cb_a”的 Parent 引用。您可能想先尝试使用具有简单表单层次结构的 PDF，而 PDFBox 有一个问题需要解决... ;)
可能是mergeAcroForm() 中的一个错误。请在JIRA 中打开一个问题并将您的文件附在此处。在组件中，选择 Acroform + Utilities。
好的，在那里添加了错误：issues.apache.org/jira/browse/PDFBOX-4066

标签： java pdfbox

【解决方案1】：

正如评论中已经提到的：

确实，这是一个错误。但是，并不是因为 OP 假设 展平不会删除字段，而是 PDFMergerUtility.mergeAcroForm 中的合并代码的问题。

根本问题在于处理非平凡的字段层次结构：在 OP 共享的示例源文档中，复选框字段不是顶级字段，但它们位于顶级节点“cb_a”下。

在合并的文档中，它们不仅被重命名，而且被添加到顶级表单字段列表中；这实际上是无效的，因为它们仍然有对“cb_a”的父引用。

目前在 Apacha Jira 条目 PDFBOX-4066 的上下文中讨论并解决了此错误。

【讨论】：