itextsharp 中的 Pdf 合并问题 - 合并后 PDF 看起来失真

Question

我有一个简单的场景，我从 PDF 文档中提取页面（或将文档分成两部分，如果您愿意的话）并将这些部分合并回一个新文档，并可选择在其间添加新页面。

但是，在一种特定情况下，生成的文档与原始文档的不同之处在于，与源文档相比，这几页（在本例中为第 4 页和第 5 页）看起来扭曲了。

如何避免页面失真？下面的复制代码已经用 iTextSharp 版本 5.5.0.0 和 5.5.6.0（目前最新）进行了测试。 你可以找到我使用的输入文件here。

void Main()
{              
                var pathPrefix = @"C:\temp"; // TODO change
                var inputDocPath = @"input.pdf";

                var part1 = ExtractPages(Path.Combine(pathPrefix, inputDocPath), 1, 2);
                var outputPath1 = Path.Combine(pathPrefix, "part1.pdf");
                File.WriteAllBytes(outputPath1, part1);

                var part2 = ExtractPages(Path.Combine(pathPrefix, inputDocPath), 3);
                var outputPath2 = Path.Combine(pathPrefix, "part2.pdf");
                File.WriteAllBytes(outputPath2, part2);

                var merged = Merge(new[] {
                                                                                                                             outputPath1, 
                                                                                                                             outputPath2
                                                                                                              });

                var mergedPath = Path.Combine(pathPrefix, "output.pdf");
                File.WriteAllBytes(mergedPath, merged);
}

//Page sizes:
//  input: 8,26x11,68; 8,26x11,69; 8,26x11,69; 8,26x11,69; 8,26x11,69; 8,26x11,68; 8,26x11,68
// output: 8,26x11,68; 8,26x11,69; 8,26x11,69; 8,26x11,69; 8,26x11,69; 8,26x11,68; 8,26x11,68

public static byte[] Merge(string[] documentPaths)
{
                byte[] mergedDocument;

                using (MemoryStream memoryStream = new MemoryStream())
                using (Document document = new Document())
                {
                               PdfSmartCopy pdfSmartCopy = new PdfSmartCopy(document, memoryStream);
                               document.Open();

                               foreach (var docPath in documentPaths)
                               {
                                               PdfReader reader = new PdfReader(docPath);
                                               try
                                               {
                                                               reader.ConsolidateNamedDestinations();
                                                               var numberOfPages = reader.NumberOfPages;
                                                               for (int page = 0; page < numberOfPages;)
                                                               {
                                                                              PdfImportedPage pdfImportedPage = pdfSmartCopy.GetImportedPage(reader, ++page);
                                                                              pdfSmartCopy.AddPage(pdfImportedPage);
                                                               }
                                               }
                                               finally
                                               {
                                                               reader.Close();
                                               }
                               }

                               document.Close();
                               mergedDocument = memoryStream.ToArray();
                }

                return mergedDocument;
}


public static byte[] ExtractPages(string pdfDocument, int startPage, int? endPage = null)
{
                var reader = new PdfReader(pdfDocument);
                var numberOfPages = reader.NumberOfPages;
                var endPageResolved = endPage.HasValue ? endPage.Value : numberOfPages;
                if (startPage > numberOfPages || endPageResolved > numberOfPages)
                               string.Format("Error: page indices ({0}, {1}) out of bounds. Document has {2} pages.", 
                                                                                 startPage, endPageResolved, numberOfPages).Dump();

                byte[] outputDocument;
                using (var doc = new Document()) // NOTE use reader.GetPageSizeWithRotation(startPage) ?
                using (var msOut = new MemoryStream())
                {
                               var pdfCopyProvider = new PdfCopy(doc, msOut);                       
                               doc.Open();
                               for (var i = startPage; i <= endPageResolved; i++)
                               {
                                               var page = pdfCopyProvider.GetImportedPage(reader, i);
                                               pdfCopyProvider.AddPage(page);
                               }
                               doc.Close();
                               reader.Close();                
                               outputDocument = msOut.ToArray();
                }

                return outputDocument;
}

Answer 1

我可以通过 iTextSharp 5.5.6 使用您的代码和 test file 重现该问题。但实际上，这些图像不仅失真，它们还被其他图像替换！在内部检查结果 PDF，观察到：

• 最初，第 3 页到第 5 页各有自己的 Resource 字典，其中包含彼此不同的条目。
• 拆分后，作为part2.pdf的第1页到第3页，他们仍然拥有不同的Resource字典。
• 不过，在最终的合并结果中，第 3 页到第 5 页都引用了同一个 Resource 字典对象，即原始第 3 页资源的副本！

（由于第 3 页包含与第 4 页和第 5 页上的图像同名的图像，这导致第 3 页的图像显示在第 4 页和第 5 页上。）

不知何故，PdfSmartCopy 似乎在这里比自己聪明，而是使用 PdfCopy 来创建预期的结果。

我假设 PdfSmartCopy 错误地认为这些源字典相同，可能是一些没有实际相等性检查的哈希冲突。

值得注意的是，使用 Java 和 iText 进行的等效测试SmartMerging.java没有显示相同的问题，其结果符合预期。

因此，这看起来像是 iTextSharp 端口或一般 .Net 的问题。