如何使用PDFBox为PDF添加标记为ARTIFACT的可访问页码？

根据Tagged PDF最佳实践指南的3.7节Artifacts定义：

为显示进行内容排版与分页的过程会引入额外显示元素（如页码、表格边框），这类元素不属于ISO 32000-1定义的“真实内容”，被视为排版Artifacts（详见ISO 32000-1的14.8.2.2节“真实内容与Artifacts”）。带标签PDF要求明确区分真实内容与Artifacts。

以下是具体实现步骤：

1. 引入PDFBox依赖 #

如果使用Maven，在pom.xml中添加依赖（建议使用最新稳定版本）：

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.32</version>
</dependency>

2. 核心代码实现 #

通过遍历PDF页面，创建内容流添加页码，并将该内容标记为Artifact：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDPageContentStream;
import org.apache.pdfbox.pdmodel.common.PDRectangle;
import org.apache.pdfbox.pdmodel.graphics.state.PDExtendedGraphicsState;
import org.apache.pdfbox.pdmodel.graphics.state.RenderingMode;

import java.io.File;
import java.io.IOException;

public class ArtifactPageNumberAdder {
    public static void main(String[] args) {
        try (PDDocument doc = PDDocument.load(new File("input.pdf"))) {
            int totalPages = doc.getNumberOfPages();
            
            for (int pageIdx = 0; pageIdx < totalPages; pageIdx++) {
                PDPage page = doc.getPage(pageIdx);
                PDRectangle mediaBox = page.getMediaBox();
                float pageWidth = mediaBox.getWidth();
                float pageHeight = mediaBox.getHeight();
                float fontSize = 12;
                float bottomMargin = 20;
                
                // 以APPEND模式创建内容流，保留原页面内容
                try (PDPageContentStream contentStream = new PDPageContentStream(doc, page, PDPageContentStream.AppendMode.APPEND, true, true)) {
                    // 启动Artifact标记，声明此内容为非真实内容
                    contentStream.beginMarkedContent("Artifact", PDExtendedGraphicsState.getArtificialContentType());
                    
                    // 设置文本样式
                    contentStream.setFont(org.apache.pdfbox.pdmodel.font.PDType1Font.HELVETICA, fontSize);
                    contentStream.setRenderingMode(RenderingMode.FILL);
                    contentStream.setNonStrokingColor(0, 0, 0);
                    
                    // 计算页码文本位置（底部居中）
                    String pageText = String.format("%d/%d", pageIdx + 1, totalPages);
                    float textWidth = org.apache.pdfbox.pdmodel.font.PDType1Font.HELVETICA.getStringWidth(pageText) / 1000 * fontSize;
                    float textX = (pageWidth - textWidth) / 2;
                    float textY = bottomMargin;
                    
                    // 绘制页码文本
                    contentStream.beginText();
                    contentStream.newLineAtOffset(textX, textY);
                    contentStream.showText(pageText);
                    contentStream.endText();
                    
                    // 结束Artifact标记
                    contentStream.endMarkedContent();
                }
            }
            
            doc.save("output_with_artifact_pages.pdf");
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

3. 关键细节说明 #

• Artifact标记逻辑：通过beginMarkedContent和endMarkedContent包裹页码绘制代码，明确告诉PDF阅读器该内容属于排版Artifact，不属于核心内容。
• 内容流模式：使用AppendMode.APPEND确保不会覆盖原页面已有内容，仅追加页码。
• 可访问性保障：即使标记为Artifact，仍需保证页码视觉位置合理，同时避免干扰屏幕阅读器对真实内容的解析。

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