使用iText7将PDF分割为字节数组页面：DocumentReadyListener导出问题

在不使用文件系统的前提下，将PDF文件分割为单页对应的字节数组。参考了@AlexeySubach提供的ByteArrayPdfSplitter代码示例，但无法从DocumentReadyListener中导出分割后的字节数组内容。

原实现代码 #

ByteArrayPdfSplitter类 #

class ByteArrayPdfSplitter : PdfSplitter {

    private MemoryStream currentOutputStream;

    public ByteArrayPdfSplitter(PdfDocument pdfDocument) : base(pdfDocument) {
    }

    protected override PdfWriter GetNextPdfWriter(PageRange documentPageRange) {
        currentOutputStream = new MemoryStream();
        return new PdfWriter(currentOutputStream);
    }

    public MemoryStream CurrentMemoryStream {
        get { return currentOutputStream; }
    }

    public class DocumentReadyListender : IDocumentReadyListener {

        private ByteArrayPdfSplitter splitter;

        public DocumentReadyListender(ByteArrayPdfSplitter splitter) {
            this.splitter = splitter;
        }

        public void DocumentReady(PdfDocument pdfDocument, PageRange pageRange) {
            pdfDocument.Close();
            byte[] contents = splitter.CurrentMemoryStream.ToArray();
            String pageNumber = pageRange.ToString();
        }
    }
}

使用示例代码 #

public static List<Byte[]> SplitOnPages(Byte[] bytes)
{
    using (MemoryStream memoryStream = new MemoryStream(bytes))
    {
        using (PdfReader reader = new PdfReader(memoryStream))
        {
            PdfDocument docToSplit = new PdfDocument(reader);
            ByteArrayPdfSplitter splitter = new ByteArrayPdfSplitter(docToSplit);
            splitter.SplitByPageCount(1, new ByteArrayPdfSplitter.DocumentReadyListender(splitter));
        }
    }

    //How do I get here the array of byte array pages??
    return ...
}

核心是让DocumentReadyListener负责收集分割后的字节数组，最终在SplitOnPages方法中提取这个集合返回，具体修改如下：

修改后的ByteArrayPdfSplitter类 #

class ByteArrayPdfSplitter : PdfSplitter {

    private MemoryStream currentOutputStream;

    public ByteArrayPdfSplitter(PdfDocument pdfDocument) : base(pdfDocument) {
    }

    protected override PdfWriter GetNextPdfWriter(PageRange documentPageRange) {
        currentOutputStream = new MemoryStream();
        return new PdfWriter(currentOutputStream);
    }

    public MemoryStream CurrentMemoryStream {
        get { return currentOutputStream; }
    }

    public class DocumentReadyListener : IDocumentReadyListener {
        // 新增集合存储单页字节数组
        public List<byte[]> SplitPages { get; } = new List<byte[]>();
        
        private ByteArrayPdfSplitter splitter;

        public DocumentReadyListener(ByteArrayPdfSplitter splitter) {
            this.splitter = splitter;
        }

        public void DocumentReady(PdfDocument pdfDocument, PageRange pageRange) {
            pdfDocument.Close();
            byte[] contents = splitter.CurrentMemoryStream.ToArray();
            // 将当前页的字节数组存入集合
            SplitPages.Add(contents);
        }
    }
}

修改后的SplitOnPages方法 #

public static List<byte[]> SplitOnPages(byte[] bytes)
{
    var splitPages = new List<byte[]>();
    
    using (MemoryStream memoryStream = new MemoryStream(bytes))
    {
        using (PdfReader reader = new PdfReader(memoryStream))
        {
            using (PdfDocument docToSplit = new PdfDocument(reader))
            {
                ByteArrayPdfSplitter splitter = new ByteArrayPdfSplitter(docToSplit);
                var listener = new ByteArrayPdfSplitter.DocumentReadyListener(splitter);
                splitter.SplitByPageCount(1, listener);
                // 从listener中提取分割结果
                splitPages.AddRange(listener.SplitPages);
            }
        }
    }

    return splitPages;
}

关键说明 #

• DocumentReadyListener的SplitPages集合为实例私有，每次分割都会创建新集合，避免多线程场景下的数据冲突。
• 给PdfDocument添加using语句，确保文档资源被正确释放。
• 分割完成后直接从listener的集合中提取结果，无需额外全局变量或复杂回调逻辑。

内容的提问来源于stack exchange，提问作者Matias Masso