使用PDFSharp C#拆分合并PDF后文件体积增大的原因及解决办法

问题背景 #

使用PDFSharp的C#代码将PDF拆分为单页文档，再合并回单PDF后，文件体积从1.96MB增至12.2MB，已确认问题出在拆分合并环节而非中间操作。相关代码如下：

public static List<Stream> SplitPdf(Stream PdfDoc)
{
    System.Text.Encoding.RegisterProvider(System.Text.CodePagesEncodingProvider.Instance);
    List<Stream> outputStreamList = new List<Stream>();
    PdfSharp.Pdf.PdfDocument inputDocument = PdfReader.Open(PdfDoc, PdfDocumentOpenMode.Import);

    for (int idx = 0; idx < inputDocument.PageCount; idx++)
    {
        PdfSharp.Pdf.PdfDocument outputDocument = new PdfSharp.Pdf.PdfDocument();
        outputDocument.Version = inputDocument.Version;
        outputDocument.Info.Title =
          String.Format("Page {0} of {1}", idx + 1, inputDocument.Info.Title);
        outputDocument.Info.Creator = inputDocument.Info.Creator;

        outputDocument.AddPage(inputDocument.Pages[idx]);
        MemoryStream stream = new MemoryStream();
        outputDocument.Save(stream);
        outputStreamList.Add(stream);
    }
    return outputStreamList;
}

public static Stream MergePdfs(List<Stream> PdfFiles)
{
    System.Text.Encoding.RegisterProvider(System.Text.CodePagesEncodingProvider.Instance);
    PdfSharp.Pdf.PdfDocument outputPDFDocument = new PdfSharp.Pdf.PdfDocument();
    foreach (Stream pdfFile in PdfFiles)
    {
        PdfSharp.Pdf.PdfDocument inputPDFDocument = PdfReader.Open(pdfFile, PdfDocumentOpenMode.Import);
        outputPDFDocument.Version = inputPDFDocument.Version;
        foreach (PdfSharp.Pdf.PdfPage page in inputPDFDocument.Pages)
        {
            outputPDFDocument.AddPage(page);
        }
    }
    Stream compiledPdfStream = new MemoryStream();
    outputPDFDocument.Save(compiledPdfStream);
    return compiledPdfStream;
}

问题 #

1. 为何会出现体积暴涨的情况？
2. 是否有开源C#库能实现拆分合并后保持原文件大小？

解答 #

1. 体积暴涨的原因 #

• 共享资源重复嵌入：原PDF中的共享资源（如字体、图片、表单模板等）会被每个拆分出的单页PDF单独复制一份，合并时这些重复资源全部保留，导致总体积剧增。
• PDFSharp的资源处理逻辑：使用PdfDocumentOpenMode.Import导入页面时，PDFSharp会将页面依赖的所有资源完整复制到新文档，而非引用原文档的共享资源池，拆分后的单页文档都带有独立资源副本，合并后无法自动去重。
• 压缩策略不一致：原PDF可能采用了高效压缩算法（如JPEG2000、优化后的Flate压缩），而PDFSharp保存文档时默认压缩设置较宽松，未匹配原文档的压缩参数。

2. 保持原文件大小的开源C#库解决方案 #

• iText 7 .NET：支持PDF资源的共享引用，拆分时可保留原文档的资源池，合并时不会重复嵌入资源，同时可配置与原文档一致的压缩参数，确保体积接近原文件。
• PdfPig：基于Apache PDFBox的.NET实现，高效处理PDF拆分与合并，默认逻辑会尽量保留原文档的结构和压缩特性，避免资源重复。
• QuestPDF：虽主打PDF生成，但支持PDF合并操作，底层优化了资源处理逻辑，能避免不必要的资源重复，维持文件体积稳定。

使用这些库时，需采用“导入页面而非强制复制资源”的模式，并匹配原文档的压缩设置，才能最大程度保持原文件体积。

内容的提问来源于stack exchange，提问作者Abdullah Ahmed khan