使用Rust的lopdf库处理PDF时输出文件空白/损坏的问题

尝试用Rust的lopdf库压缩PDF内容流，代码如下：

use lopdf::{Document, Object, Stream, dictionary};

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let mut doc = Document::load("input.pdf")?;
    let pages = doc.get_pages();

    for (_, page) in pages {
        let content = doc.get_page_content(page).unwrap();
        let mut stream = Stream::new(dictionary! {}, content.clone());
        stream.compress().unwrap();
        let stream_obj = Object::Stream(stream);
        doc.objects.insert(page.contents_index, stream_obj);
    }

    doc.save("output.pdf")?;
    Ok(())
}

运行后输出PDF空白或无法读取，注释压缩步骤后文件仍损坏，怀疑get_page_content()使用有误，求解决建议。

1. 错误根源 #

get_page_content返回的是已解码的内容字节，但直接用它创建新Stream时，丢失了原Stream的字典信息（比如Filter、Length等关键属性），导致PDF阅读器无法正确解析内容流。另外，直接插入对象而非替换原对象，可能破坏PDF的引用关系。

2. 修正后的代码 #

use lopdf::{Document, Object, Stream, dictionary};

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let mut doc = Document::load("input.pdf")?;
    let pages = doc.get_pages();

    for (_, page) in pages {
        // 获取原内容流对象，而非仅解码后的内容
        let content_obj = doc.objects.get(&page.contents_index).ok_or("Content stream not found")?;
        let mut stream = match content_obj {
            Object::Stream(s) => s.clone(),
            _ => return Err("Page content is not a stream".into()),
        };

        // 确保流已解码（如果原本是压缩的）
        if !stream.is_decoded() {
            stream.decode()?;
        }

        // 重新压缩流
        stream.compress()?;

        // 替换原对象，而非插入新对象
        doc.objects.insert(page.contents_index, Object::Stream(stream));
    }

    // 保存时生成正确的交叉引用表
    doc.save_with_options("output.pdf", &lopdf::SaveOptions::default())?;
    Ok(())
}

3. 关键修正点 #

• 保留原Stream字典：直接克隆原内容流对象，确保Filter、Length等必要属性不丢失。
• 先解码再压缩：如果原流已经是压缩状态，先解码再重新压缩，避免重复压缩导致数据损坏。
• 替换而非插入对象：确保覆盖原索引的对象，避免引用混乱。
• 使用save_with_options：保证保存时正确生成交叉引用表，这是PDF文件可读取的关键。

4. 额外注意事项 #

• 生产代码中避免用unwrap()，改用?或错误处理逻辑，防止程序panic。
• 部分PDF的页面内容可能是对象数组（多个内容流），此时需要遍历数组中的每个流分别处理。

内容的提问来源于stack exchange，提问作者MidKnight