使用iTextSharp从PDF中删除Javascript

Question

这似乎是一件应该迅速做的事情，但在实践中似乎存在一个问题。我有一堆PDF表单，包括表单字段和嵌入式javascript。我希望安全地删除javascript代码，但是将PDF表单字段保持不变。

到目前为止，我已经找到了很多解决方案，但是所有的解决方案要么都消除了javascript和表单字段，要么都保持原样。

下面是解决方案A；它同时复制表单字段和javascript：

var pdfReader = new PdfReader(infilename);
using (MemoryStream memoryStream = new MemoryStream()) {
    PdfCopyFields copy = new PdfCopyFields(memoryStream);
    copy.AddDocument(pdfReader);
    copy.Close();
    File.WriteAllBytes(rawfilename, memoryStream.ToArray());
}

或者，我有解决方案B，它去掉了表单字段和javascript：

Document document = new Document();
using (MemoryStream memoryStream = new MemoryStream()) {
    PdfWriter writer = PdfWriter.GetInstance(document, memoryStream);
    document.Open();
    document.AddDocListener(writer);
    for (int p = 1; p <= pdfReader.NumberOfPages; p++) {
        document.SetPageSize(pdfReader.GetPageSize(p));
        document.NewPage();
        PdfContentByte cb = writer.DirectContent;
        PdfImportedPage pageImport = writer.GetImportedPage(pdfReader, p);
        int rot = pdfReader.GetPageRotation(p);
        if (rot == 90 || rot == 270) {
            cb.AddTemplate(pageImport, 0, -1.0F, 1.0F, 0, 0, pdfReader.GetPageSizeWithRotation(p).Height);
        } else {
            cb.AddTemplate(pageImport, 1.0F, 0, 0, 1.0F, 0, 0);
        }
    }
    document.Close();
    File.WriteAllBytes(rawfile, memoryStream.ToArray());
}

是否有人知道如何修改解决方案A或B以消除javascript，但保留表单字段的位置？

编辑:解决方案代码在这里！

using (MemoryStream memoryStream = new MemoryStream()) {
    PdfStamper stamper = new PdfStamper(pdfReader, memoryStream);
    for (int i = 0; i <= pdfReader.XrefSize; i++) {
        object o = pdfReader.GetPdfObject(i);
        PdfDictionary pd = o as PdfDictionary;
        if (pd != null) {
            pd.Remove(PdfName.AA);
            pd.Remove(PdfName.JS);
            pd.Remove(PdfName.JAVASCRIPT);
        }
    }
    stamper.Close();
    pdfReader.Close();
    File.WriteAllBytes(rawfile, memoryStream.ToArray());
}

Answer 1

要操作单个PDF，您应该使用类PdfStamper并操作它的内容，在您的情况下，迭代现有的表单字段并删除JavaScript条目。

iTextSharp示例AddJavaScriptToForm.cs对应于行动中的iText -第2版第13章中的AddJavaScriptToForm.java，它展示了JavaScript操作是如何将添加到字段中的，中心代码是：

PdfStamper stamper = new PdfStamper(reader, ms);

AcroFields form = stamper.AcroFields;
AcroFields.Item fd = form.GetFieldItem("married");

PdfDictionary dictYes = (PdfDictionary) PdfReader.GetPdfObject(fd.GetWidgetRef(0));
PdfDictionary yesAction = ...;
dictYes.Put(PdfName.AA, yesAction);

因此，要删除这样的JavaScript表单字段操作，您必须遍历所有这些PDF表单字段，并删除相关字典中的/AA值：

dictXXX.Remove(PdfName.AA);

编辑：(由Ted提供)这里是最终代码，它成功地删除了javascript，同时保留了所有表单字段：

using (MemoryStream memoryStream = new MemoryStream())
{
    PdfStamper stamper = new PdfStamper(pdfReader, memoryStream);
    for (int i = 0; i <= pdfReader.XrefSize; i++)
    {
        PdfDictionary pd = pdfReader.GetPdfObject(i) as PdfDictionary;
        if (pd != null)
        {
            pd.Remove(PdfName.AA); // Removes automatic execution objects
            pd.Remove(PdfName.JS); // Removes javascript objects
            pd.Remove(PdfName.JAVASCRIPT); // Removes other javascript objects
        }
    }
    stamper.Close();
    pdfReader.Close();
    File.WriteAllBytes(rawfile, memoryStream.ToArray());
}

编辑：(由mkl提供)上面的解决方案有些过分，因为它涉及到每个间接字典对象。另一方面，它忽略了内联字典(不过，我还没有检查规范；可能所有的/AA、/JS和/JAVASCRIPT条目都只出现在必须是间接对象的字典中，或者至少是被该代码取消引用的字典)。

如果完成这一任务是我的工作，我将尝试访问可能更具体地携带JavaScript的对象。

但是，这个过度实现的过程的优点可能是，即使检查PDF对象，这些对象目前没有被指定为带有JavaScript，但将在以后的PDF版本中进行检查。

Answer 2

在for循环后添加以下行以保留AcroForm：

var form = pdfReader.AcroForm;
if (form != null)
   writer.CopyAcroForm(reader);