替换PDF文件中的重复图像

我试图用PDF文件中的可用图像替换重复图像，但结果已损坏。

PdfReader.KillIndirect

将重复的图像置空，但

writer.adddirectimagessimple

不会将其替换为以前可用图像的引用。这里有什么问题

代码如下：

using System.Collections.Generic;
using System.Diagnostics;
using System.IO;
using System.Security.Cryptography;
using System.Text;
using iTextSharp.text;
using iTextSharp.text.pdf;

namespace ReplaceDuplicateImages
{
    class Program
    {
        /// <summary>
        /// Adding one image, 2 times.
        /// </summary>
        private static void createSampleFile()
        {
            using (var pdfDoc = new Document(PageSize.A4))
            {
                var pdfWriter = PdfWriter.GetInstance(pdfDoc, new FileStream("Test.pdf", FileMode.Create));
                pdfDoc.Open();

                var table = new PdfPTable(new float[] { 1, 2 });
                table.AddCell(Image.GetInstance("01.png")); 
                table.AddCell(Image.GetInstance("01.png"));
                pdfDoc.Add(table);
            }
        }

        private static void RemoveDuplicateImagesFromPdfFile(string inFile, string outFile)
        {
            var pdfReader = new PdfReader(inFile);
            var pdfStamper = new PdfStamper(pdfReader, new FileStream(outFile, FileMode.Create));
            var writer = pdfStamper.Writer;

            var md5Service = new MD5CryptoServiceProvider();
            var enc = new UTF8Encoding();
            var imagesDictionary = new Dictionary<string, PRIndirectReference>();

            int pageNum = pdfReader.NumberOfPages;
            for (int i = 1; i <= pageNum; i++)
            {
                var page = pdfReader.GetPageN(i);
                var resources = PdfReader.GetPdfObject(page.Get(PdfName.RESOURCES)) as PdfDictionary;
                if (resources == null) continue;

                var xObject = PdfReader.GetPdfObject(resources.Get(PdfName.XOBJECT)) as PdfDictionary;
                if (xObject == null) continue;

                foreach (var name in xObject.Keys)
                {
                    var pdfObject = xObject.Get(name);
                    if (!pdfObject.IsIndirect()) continue;

                    var imgObject = PdfReader.GetPdfObject(pdfObject) as PdfDictionary;
                    if (imgObject == null) continue;

                    var subType = PdfReader.GetPdfObject(imgObject.Get(PdfName.SUBTYPE)) as PdfName;
                    if (subType == null) continue;

                    if (!PdfName.IMAGE.Equals(subType)) continue;

                    var imageBytes = PdfReader.GetStreamBytesRaw((PRStream)imgObject);
                    var md5 = enc.GetString(md5Service.ComputeHash(imageBytes));

                    if (!imagesDictionary.ContainsKey(md5)) // is it duplicate?
                    {
                        imagesDictionary.Add(md5, (PRIndirectReference)pdfObject);
                    }
                    else
                    {
                        PdfReader.KillIndirect(pdfObject); // nulls the duplicate image

                        // trying to replace it with the reference of the available image
                        var imageRef = imagesDictionary[md5];
                        var image = Image.GetInstance(imageRef);
                        Image maskImage = image.ImageMask; // it's always null here.
                        if (maskImage != null)
                            writer.AddDirectImageSimple(maskImage);
                        writer.AddDirectImageSimple(image, (PRIndirectReference)pdfObject);
                    }
                }
            }

            pdfReader.RemoveUnusedObjects();
            pdfReader.Close();
            pdfStamper.Close();
        }

        static void Main(string[] args)
        {
            createSampleFile();
            RemoveDuplicateImagesFromPdfFile("test.pdf", "Optimized.pdf");
            Process.Start("Optimized.pdf");
        }
    }
}

使用System.Collections.Generic；
使用系统诊断；
使用System.IO；
使用System.Security.Cryptography；
使用系统文本；
使用iTextSharp.text；
使用iTextSharp.text.pdf；
命名空间替换重复映像
{
班级计划
{
/// 
///添加一个图像，2次。
/// 
私有静态void createSampleFile（）
{
使用（var pdfDoc=新文档（PageSize.A4））
{
var pdfWriter=pdfWriter.GetInstance（pdfDoc，newfilestream（“Test.pdf”，FileMode.Create））；
pdfDoc.Open（）；
var table=新PdfPTable（新浮点[]{1,2}）；
table.AddCell（Image.GetInstance（“01.png”）；
table.AddCell（Image.GetInstance（“01.png”）；
pdfDoc.Add（表）；
}
}
从PDF文件移除的私有静态无效复制图像（字符串填充、字符串输出文件）
{
var pdfReader=新pdfReader（填充）；
var pdfStamper=newpdfstamper（pdfReader，newfilestream（outFile，FileMode.Create））；
var writer=pdfStamper.writer；
var md5Service=new MD5CryptoServiceProvider（）；
var enc=新的UTF8Encoding（）；
var imagesDictionary=新字典（）；
int pageNum=pdfReader.NumberOfPages；
对于（int i=1；i如果您想删除冗余信息（重复图像、重复XObject、重复字体等），请不要尝试使用iTextSharp的低级功能来重新发明轮子。改用PdfSmartCopy，它将为您完成所有困难的工作

代码的主要问题是删除了重复的图像，但从未更新对这些图像的引用。这样做会破坏PDF

假设您的PDF包含两个相同（字节）且冗余存储的图像（相同的字节在PDF中有两次）。假设对象具有以下引用：
10 0R
（第一个图像）和
20 0R
（第二个图像）

在每个页面的图像xObject上循环，会遇到
10 0r
。保留该图像，并存储其MD5哈希：

imagesDictionary.Add(md5, (PRIndirectReference)pdfObject);

然后您遇到
20 0 R
。您发现此图像与
10 0 R
相同，因为两个图像的md5散列都对应。您删除该图像
20 0 R
：

PdfReader.KillIndirect(pdfObject);

writer.AddDirectImageSimple(image, (PRIndirectReference)pdfObject);

然后你做了一件非常奇怪的事情。你没有把对复制图像（
20 0r
）的引用改为对图像第一个实例（
10 0r
）的引用，而是得到第一个实例（
image
），然后用原始引用（
10 0r
）重新添加它：

换句话说：您尝试将第二个对象编号为10的对象添加到PDF中，这是非法的（每个对象编号都是唯一的）。iText将忽略该行；它将只返回用于图像的原始
PdfName

最终，您将得到一个PDF，其中包含一个正确引用
10 0 R
的图像和一个引用
20 0 R
的图像，该图像指向一个不再存在的对象，因为您删除了对象编号为20的图像

这就解释了您遇到的问题，您描述为：

“结果已损坏”。第一个图像正常，但第二个图像已完全消除，Adobe reader显示有关此损坏文件的错误消息

如果您想删除冗余信息（重复的图像、重复的XObject、重复的字体等），请不要尝试使用iTextSharp的低级功能来重新设计轮子。请改用PdfSmartCopy，它将为您完成所有困难的工作

代码的主要问题是删除了重复的图像，但从未更新对这些图像的引用。这样做会破坏PDF

假设您的PDF包含两个相同（字节）且冗余存储的图像（相同的字节在PDF中有两次）。假设对象具有以下引用：
10 0R
（第一个图像）和
20 0R
（第二个图像）

在每个页面的图像xObject上循环，会遇到
10 0r
。保留该图像，并存储其MD5哈希：

imagesDictionary.Add(md5, (PRIndirectReference)pdfObject);

然后您遇到
20 0 R
。您发现此图像与
10 0 R
相同，因为两个图像的md5散列都对应。您删除该图像
20 0 R
：

PdfReader.KillIndirect(pdfObject);

writer.AddDirectImageSimple(image, (PRIndirectReference)pdfObject);

然后你做了一件非常奇怪的事情。你没有把对复制图像（
20 0r
）的引用改为对图像第一个实例（
10 0r
）的引用，而是得到第一个实例（
image
），然后用原始引用（
10 0r
）重新添加它：

换句话说：您尝试将第二个对象编号为10的对象添加到PDF中，这是非法的（每个对象编号都是唯一的）。iText将忽略该行；它将只返回用于图像的原始
PdfName

最终，您将得到一个PDF，其中包含一个正确引用
10 0 R
的图像和一个引用
20 0 R
的图像，该图像指向一个不再存在的对象，因为您删除了对象编号为20的图像

这就解释了您遇到的问题，您描述为：

“结果已损坏”。第一个图像正常，但第二个图像已完全消除，Adobe将重新生成