使用PDFBox 2.x移除PDF二维码后Adobe Reader报错及文件变大求助

问题概述 #

使用PDFBox 2.x移除PDF中的二维码后，Adobe Reader打开修改后的文档时会弹出「此页面存在错误，Acrobat可能无法正确显示页面」的警告，且文件体积从6.8MB增至8.1MB，预期无警告弹窗且文件大小不增加。

核心问题排查 #

从提供的代码中，可定位出两个关键问题：

1. 资源字典操作不规范 #

直接操作底层COS对象移除图片资源：

((COSDictionary) pdResources.getCOSObject().getDictionaryObject(COSName.XOBJECT))
.removeItem(propertyName);

这种方式绕过了PDFBox的API封装，会导致资源字典内部状态不一致，PDFBox无法正确跟踪资源变化，触发Acrobat的文档验证错误。

2. 内容流处理存在漏洞 #

处理Do操作符时仅移除前一个COSName token，若该指令前后存在状态设置（如矩阵变换、颜色配置），会导致内容流语法/逻辑不完整；同时用新流直接替换原页面所有内容流，可能破坏原有文档结构。

3. 文件体积增大原因 #

• 导入页面时未启用压缩，新生成的内容流无压缩处理；
• 原文档冗余资源未被清理，新文档保留了未使用的对象。

修复方案 #

1. 规范移除资源项 #

使用PDFBox官方APIPDResources.removeXObject()替代直接操作COS对象，确保资源字典状态一致：

pdResources.removeXObject(propertyName);

2. 正确处理内容流 #

完整跳过Do操作符及其关联的对象名，同时保留原有内容流结构（避免替换整个流）：

PDFStreamParser parser = new PDFStreamParser(page);
parser.parse();
List<Object> tokens = parser.getTokens();
List<Object> newTokens = new ArrayList<>();

int i = 0;
while (i < tokens.size()) {
    Object token = tokens.get(i);
    if (token instanceof Operator) {
        Operator op = (Operator) token;
        if ("Do".equals(op.getName()) && i > 0) {
            COSName cosName = (COSName) tokens.get(i - 1);
            if (cosName.getName().equals(qrCodeCosName)) {
                // 跳过对象名与Do操作符
                i += 2;
                continue;
            }
        }
    }
    newTokens.add(token);
    i++;
}

// 保留原有内容流结构，采用追加模式
PDStream existingStream = page.getContents();
if (existingStream != null) {
    try (OutputStream out = existingStream.createOutputStreamAppend()) {
        ContentStreamWriter writer = new ContentStreamWriter(out);
        writer.writeTokens(newTokens);
    }
} else {
    PDStream newContents = new PDStream(document);
    try (OutputStream out = newContents.createOutputStream()) {
        ContentStreamWriter writer = new ContentStreamWriter(out);
        writer.writeTokens(newTokens);
    }
    page.setContents(newContents);
}

3. 启用压缩并清理冗余对象 #

保存文档前清理未使用对象，同时启用压缩：

// 清理冗余对象
newDocument.cleanUp();
// 启用压缩保存
newDocument.save(aBarcodeVO.getDestinationFilePath(true), SaveOptions.builder().setCompress(true).build());

完整修复后核心代码 #

pdDocument = PDDocument.load(new File(aBarcodeVO.getSourceFilePath()));
newDocument = new PDDocument();
for (int pageCount = 0; pageCount < pdDocument.getNumberOfPages(); pageCount++) {
    PDPage pdPage = newDocument.importPage(pdDocument.getPage(pageCount));
    String imgUniqueId = aBarcodeVO.getImgUniqueId().concat(String.valueOf(pageCount));
    boolean hasQRCodeOnPage = removeQRCodeImage(newDocument, pdPage, imgUniqueId);
    qRCodePageList.add(hasQRCodeOnPage);
}
if(qRCodePageList.contains(true)) {
    newDocument.cleanUp();
    newDocument.save(aBarcodeVO.getDestinationFilePath(true), SaveOptions.builder().setCompress(true).build());
}
newDocument.close();
pdDocument.close();

// 修复后的removeQRCodeImage方法
public static boolean removeQRCodeImage(PDDocument document, PDPage page, String imgUniqueId) throws Exception {
    String qrCodeCosName = null;
    PDResources pdResources = page.getResources();
    boolean hasQRCodeOnPage=false;
    
    Iterator<COSName> xObjectNames = pdResources.getXObjectNames().iterator();
    while (xObjectNames.hasNext()) {
        COSName propertyName = xObjectNames.next();
        if (!pdResources.isImageXObject(propertyName)) {
            continue; 
        }
        PDXObject o;
        try {
            o = pdResources.getXObject(propertyName);
            if (o instanceof PDImageXObject) {
                PDImageXObject pdImageXObject = (PDImageXObject) o;
                if (pdImageXObject.getMetadata() != null) {     
                    DomXmpParser xmpParser = new DomXmpParser();
                    XMPMetadata xmpMetadata = xmpParser.parse(pdImageXObject.getMetadata().toByteArray());
                    
                    if(xmpMetadata.getDublinCoreSchema()!=null && StringUtils.isNoneBlank(xmpMetadata.getDublinCoreSchema().getTitle())&&xmpMetadata.getDublinCoreSchema().getTitle().contains("_barcodeimg_")) {
                        pdResources.removeXObject(propertyName);
                        log.debug("propertyName REMOVED--"+propertyName.getName());
                        qrCodeCosName = propertyName.getName();
                        hasQRCodeOnPage=true;
                    }
                }
            }
        } catch (IOException e) {
            log.error("Exception in removeQRCodeImage() while extracting QR image:" + e, e);
        }
    }

    if (qrCodeCosName == null) {
        return hasQRCodeOnPage;
    }

    PDFStreamParser parser = new PDFStreamParser(page);
    parser.parse();
    List<Object> tokens = parser.getTokens();
    log.debug("original tokens size" + tokens.size());
    List<Object> newTokens = new ArrayList<>();

    int i = 0;
    while (i < tokens.size()) {
        Object token = tokens.get(i);
        if (token instanceof Operator) {
            Operator op = (Operator) token;
            if ("Do".equals(op.getName()) && i > 0) {
                COSName cosName = (COSName) tokens.get(i - 1);
                if (cosName.getName().equals(qrCodeCosName)) {
                    i += 2;
                    continue;
                }
            }
        }
        newTokens.add(token);
        i++;
    }
    log.debug("tokens size" + newTokens.size());

    PDStream existingStream = page.getContents();
    if (existingStream != null) {
        try (OutputStream out = existingStream.createOutputStreamAppend()) {
            ContentStreamWriter writer = new ContentStreamWriter(out);
            writer.writeTokens(newTokens);
        }
    } else {
        PDStream newContents = new PDStream(document);
        try (OutputStream out = newContents.createOutputStream()) {
            ContentStreamWriter writer = new ContentStreamWriter(out);
            writer.writeTokens(newTokens);
        }
        page.setContents(newContents);
    }

    return hasQRCodeOnPage;
}

验证结果 #

• Adobe Reader打开修改后的文档不再弹出错误警告；
• 文件体积因压缩和冗余资源清理，会减小或接近原文件大小。

内容的提问来源于stack exchange，提问作者Ayush