PDFBox：如何处理PDF中嵌套PDFormXObject内的图片并替换？

我正在编写代码检查PDF中的每张图片并做图像处理。先写了简单的页面解析器，能检测PDImageXObject并替换处理后的图片，简单场景下可行，但实际PDF里有PDFormXObject嵌套引用最终指向PDImageXObject的情况，得扩展代码。

我以示例代码PrintImageLocations.java为起点，但相关讨论里提到这个示例找不到嵌套在PDFormXObject里的图片。

现有解析PDF页面的代码如下：

protected void processOperator(Operator operator, List<COSBase> operands) throws IOException
{
    // Check for "Do" then examine the previous token for the PDXImageObject and then process the image content
    String operation = operator.getName();
    if (OperatorName.DRAW_OBJECT.equals(operation))   
    {
        COSName objectName = (COSName) operands.get( 0 );    
        PDXObject xobject = getResources().getXObject( objectName ); 
        if( xobject instanceof PDImageXObject)
        {                   
            PDImageXObject image = (PDImageXObject)xobject;
            BufferedImage bi = ((PDImageXObject)xobject).getImage();

            BufferedImage newBufferedImage = renderBufferedImage (bi);
            
      }
    }
}

之前的做法是把修改后的PDImageXObject放回页面级资源，只适用于简单场景，没法处理PDFormXObject的情况（得放进关联PDFormXObject的资源里）。

想请教：是否可以确定PDImageXObject的父对象，在对应层级替换？还是需要用Map存储原对象名称和处理后的图片，等processOperator完成后统一替换？

1. 递归遍历所有嵌套XObject #

要处理PDFormXObject嵌套的情况，核心是递归遍历所有XObject资源——不管是页面级的还是表单内部的。当遇到PDFormXObject时，解析它的内容流，递归处理其中的Do操作，就能触达嵌套的PDImageXObject。

修改思路：

• 在processOperator中，判断xobject是PDFormXObject时，创建自定义的PDFStreamEngine实例，解析该表单的内容流，复用图片处理逻辑。
• 这样就能深入嵌套结构找到所有图片，同时直接获取当前表单的资源对象，把处理后的图片替换到对应表单的资源中，而非页面级资源。

补充处理PDFormXObject的代码片段：

if (xobject instanceof PDFormXObject) {
    PDFormXObject form = (PDFormXObject) xobject;
    // 递归处理表单内的内容流
    MyImageProcessingEngine formProcessor = new MyImageProcessingEngine();
    formProcessor.processPage(form);
}

这里的MyImageProcessingEngine是你自定义的继承PDFStreamEngine的类，和处理页面的逻辑一致，确保表单内的图片能被遍历处理。

2. 直接在对应层级替换图片 #

不需要额外用Map存储后统一替换，递归遍历过程中可以直接获取当前图片所属的资源对象：

• 处理页面级PDImageXObject时，用getResources()拿到页面资源，替换其中的对象；
• 处理表单内PDImageXObject时，用form.getResources()拿到表单资源，替换对应COSName指向的图片。

处理后的替换逻辑示例：

// 假设已生成处理后的BufferedImage newBufferedImage
if (xobject instanceof PDImageXObject) {
    PDImageXObject image = (PDImageXObject)xobject;
    BufferedImage bi = image.getImage();
    BufferedImage newBufferedImage = renderBufferedImage(bi);
    
    // 将BufferedImage转为PDImageXObject
    PDImageXObject newImage = PDImageXObject.createFromByteArray(document, imageToBytes(newBufferedImage), "processed-image");
    // 替换当前资源中的图片
    getResources().putXObject(objectName, newImage);
}

如果是在表单内处理，把getResources()替换为当前表单的form.getResources()即可。

3. 注意事项 #

• 处理表单时，用Set记录已处理的表单对象ID，避免因循环引用导致的重复处理或死循环；
• 生成新PDImageXObject时，要关联当前PDF文档对象，确保资源能正确写入文档。

内容的提问来源于stack exchange，提问作者Invisible Coder