使用PDFBox在Java中清理PDF未用图像遇构造器错误求助

错误原因 #

你遇到的编译报错是因为PdfImageStreamEngine继承的父类（大概率是OperatorProcessor或PdfStreamEngine）没有无参构造函数，子类默认的无参构造会自动尝试调用父类的无参构造，而父类不存在该构造，因此触发错误。

修复步骤 #

1. 修改PdfImageStreamEngine类的构造函数
   根据父类类型添加显式构造：

   • 如果父类是OperatorProcessor（处理PDF操作符的类），添加构造并传入图像绘制对应的操作符"Do"：

     public class PdfImageStreamEngine extends OperatorProcessor {
         // 显式构造函数，调用父类有参构造
         public PdfImageStreamEngine() {
             super("Do");
         }
     
         // 保留原有重写的process方法等代码
         @Override
         public void process(PdfOperator operator, List<PdfOperand> operands) throws IOException {
             // 原有处理图像的逻辑
         }
     }
     

   • 如果父类是PdfStreamEngine，则需要传入PdfDocument对象：

     public class PdfImageStreamEngine extends PdfStreamEngine {
         public PdfImageStreamEngine(PdfDocument document) {
             super(document);
         }
     
         // 保留原有重写的processOperator方法等代码
         @Override
         protected void processOperator(PdfOperator operator, List<PdfOperand> operands) throws IOException {
             // 原有处理图像的逻辑
         }
     }
     

2. 调整PageExtractor中调用构造的代码
   如果是第二种情况（父类为PdfStreamEngine），在findImageNames方法中调用构造时，需要传入当前处理的PdfDocument实例：

   public Set<String> findImageNames(PdfPage page) throws IOException {
       PdfDocument document = page.getDocument();
       PdfImageStreamEngine engine = new PdfImageStreamEngine(document);
       engine.processPage(page);
       // 后续获取图像名称的逻辑
       return imageNames;
   }
   

后续清理未使用图像的注意事项 #

修复编译错误后，通过findImageNames获取页面实际使用的图像名称，再遍历PDF的资源字典，移除未被包含在该集合中的图像XObject，最后保存文档即可实现体积压缩。注意：

• 操作前务必备份原PDF文件，避免资源误删导致文档损坏
• 部分PDF的图像可能通过表单、注释等间接引用，需确保这类场景也被覆盖

内容的提问来源于stack exchange，提问作者ismoremore