当使用itext java库复制时，pdf文件大小大大增加。

Question

我试图复制现有的pdf文件到一些新的文件，使用itextpdf库在Java。我正在使用5.5.10版本的itextpdf。我面临着两种不同的问题: PDFStamper和PdfCopy。当我使用PDFStamper类时，我观察到新的文件大小大幅度增加，尽管没有添加任何新的项。这是代码块：

    String currFile="C:\misc\pdffiles\AcroJS.pdf" ;
    String dest = "C:\misc\pdffiles\AcroJS_copy.pdf" ;
    PdfReader reader = new PdfReader(currFile) ;
    PdfStamper stamper = new PdfStamper(reader,new FileOutputStream(dest)) ;
    stamper.close() ;
    reader.close() ;

一些观察结果是:7 MB (原始)到13 MB (Approx，新文件)，116 KB > 119 KB (Approx)

当我只是复制现有的pdf文件时，我希望文件大小大致相同。我不知道为什么尺寸会增加那么多。

我也上过PdfCopy课。我使用PdfCopy遵循了两种方法：

1. 一页一页地复制。
2. 在pdfcopy对象上调用setMergeFields()，然后调用pdfcopy.addDocument(阅读器)；

但这两种方法的问题在于，它正在从pdf文件中丢弃一些非内容元数据，因此，当Adobe阅读器打开时，新的pdf正在崩溃。例如，我的pdf包含字典对象PdfName.S。在这种情况下，新创建的pdf文件只有2KB (原来是1.6MB)，这显然意味着没有任何东西被复制到文档中，并且它被破坏了。

我最初的要求非常简单:复制现有的pdf到新的pdf文件，不增加大小，不丢弃必要的项目。显然，它不像，复制，粘贴，然后重命名。因为在下一步，我有一些处理与pdf内容有关。任何帮助都将不胜感激。

操作系统: Windows 10 Pro Java : 1.8.101文本: 5.5.10

谢谢

Answer 1

PdfStamper的使用

你的代码

你的代码

PdfStamper stamper = new PdfStamper(reader,new FileOutputStream(dest)) ;
stamper.close() ;

本质上告诉iText复制原始PDF，丢弃未使用的对象，并使用iText的默认压缩设置。

iText的默认压缩设置包括不使用压缩的交叉引用和对象流(在PDF1.5中引入)，而是使用比较老的交叉引用表和单独压缩对象的技术。

另一方面，示例文件确实使用了这些技术。因此，它是更好的压缩。

全压缩代码

您也可以告诉iText使用这些改进的压缩技术，如下所示：

PdfReader reader = new PdfReader(resourceStream);
PdfStamper stamper = new PdfStamper(reader, outputStream);
stamper.setFullCompression();

stamper.close();

(https://github.com/mkl-public/testarea-itext5/blob/master/src/test/java/mkl/testarea/itext5/stamp/Stamping.java#L120测试方法testStampAcroJSCompressed__)

这导致文件小于4MB的大小。

附加模式代码

如果您想保持对原始对象存储方式的忠诚度，可以使用追加模式，它以相同的方式复制原始文件，并以所谓的增量更新的形式添加更改，如下所示：

PdfReader reader = new PdfReader(resourceStream);
PdfStamper stamper = new PdfStamper(reader, outputStream, '\0', true);

stamper.close();

(https://github.com/mkl-public/testarea-itext5/blob/master/src/test/java/mkl/testarea/itext5/stamp/Stamping.java#L95测试方法testStampAcroJSAppended__)

这会导致文件略大于原始文件。

PdfCopy的使用

你观察到PdfCopy

正在丢弃一些非内容元数据。

当然有了。PdfCopy旨在将页面从一个PDF复制到另一个PDF，保持内容和注释的原样，但忽略其他页面级别和所有文档级别的信息。