求助：如何使用PDFBox 2.0删除PDF中的指定图片

看起来你在PDFBox删除指定图片的需求上卡了3-4天，原代码会误删所有图片，另一种保留资源的方案也没奏效，我来帮你梳理问题并给出可行的解决思路和代码。

原代码的问题分析 #

你的第一个方案直接从资源字典中移除匹配的图片，但这里有两个关键问题：

1. 直接操作COS对象的风险：PDFBox的PDResources和底层COSDictionary是强关联的，直接调用removeItem修改字典可能会影响其他依赖该资源的逻辑，导致意外的资源丢失。
2. 忽略内容流引用：即使你从资源中删除了图片，页面的内容流（Content Stream）里可能还保留着绘制该图片的Do指令，这会导致PDF渲染时出现错误（虽然PDFBox可能会忽略，但不符合PDF规范）。

而你尝试的“保留所需资源”方案，核心问题大概率出在findImageNames(page)方法上——如果这个方法没有正确提取内容流中实际被使用的图片名称，就会导致误删或漏删。

正确的解决方案步骤 #

要精准删除指定图片，需要完成以下几个步骤：

1. 解析页面内容流，找出所有被实际调用的XObject（包括图片）名称。
2. 遍历资源中的图片，通过XMP元数据匹配出要删除的图片。
3. 创建新的资源字典，保留除目标图片外的所有资源（包括字体、颜色空间等其他必要资源）。
4. （可选但推荐）更新页面内容流，移除对目标图片的Do绘制指令，让PDF更规范。

修改后的完整代码 #

1. 提取内容流中使用的XObject名称 #

这个方法会遍历页面的内容流，找出所有被Do指令调用的XObject名称：

private Set<COSName> getUsedXObjectNames(PDPage page) throws IOException {
    Set<COSName> usedNames = new HashSet<>();
    PDStream contentStream = page.getContents();
    if (contentStream == null) {
        return usedNames;
    }
    try (InputStream is = contentStream.createInputStream()) {
        PDFStreamParser parser = new PDFStreamParser(is);
        parser.parse();
        List<Object> tokens = parser.getTokens();
        for (int i = 0; i < tokens.size(); i++) {
            Object token = tokens.get(i);
            if (token instanceof COSName) {
                COSName name = (COSName) token;
                // 检查该名称后是否跟随Do操作符（绘制XObject的指令）
                if (i + 1 < tokens.size() && tokens.get(i + 1) instanceof Operator) {
                    Operator op = (Operator) tokens.get(i + 1);
                    if ("Do".equals(op.getName())) {
                        usedNames.add(name);
                    }
                }
            }
        }
    }
    return usedNames;
}

2. 精准删除指定图片的核心方法 #

这个方法会匹配图片的XMP元数据，创建新的资源字典，并更新内容流：

public void removeSpecificImage(PDPage pdPage, String imgUniqueId) throws IOException {
    PDResources originalResources = pdPage.getResources();
    Set<COSName> usedXObjects = getUsedXObjectNames(pdPage);
    Set<COSName> imagesToRemove = new HashSet<>();

    // 遍历所有图片资源，匹配目标XMP元数据
    for (COSName xobjName : originalResources.getXObjectNames()) {
        PDXObject xobj = originalResources.getXObject(xobjName);
        if (xobj instanceof PDImageXObject) {
            PDImageXObject image = (PDImageXObject) xobj;
            if (image.getMetadata() != null) {
                try {
                    DomXmpParser xmpParser = new DomXmpParser();
                    XMPMetadata xmpMetadata = xmpParser.parse(image.getMetadata().toByteArray());
                    if (imgUniqueId.equals(xmpMetadata.getDublinCoreSchema().getTitle())) {
                        imagesToRemove.add(xobjName);
                    }
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
        }
    }

    // 创建新的资源字典，保留必要资源
    PDResources newResources = new PDResources();
    // 保留除目标图片外的所有XObject
    for (COSName xobjName : originalResources.getXObjectNames()) {
        if (!imagesToRemove.contains(xobjName)) {
            newResources.put(xobjName, originalResources.getXObject(xobjName));
        }
    }
    // 复制其他关键资源（字体、颜色空间等，避免页面渲染异常）
    newResources.setFonts(originalResources.getFonts());
    newResources.setColorSpaces(originalResources.getColorSpaces());
    newResources.setPatterns(originalResources.getPatterns());
    newResources.setShadings(originalResources.getShadings());
    newResources.setProperties(originalResources.getProperties());

    // 更新页面资源
    pdPage.setResources(newResources);

    // 更新内容流，移除对目标图片的绘制指令
    updateContentStream(pdPage, imagesToRemove);
}

// 移除内容流中对目标图片的Do指令
private void updateContentStream(PDPage page, Set<COSName> imagesToRemove) throws IOException {
    PDStream contentStream = page.getContents();
    if (contentStream == null) {
        return;
    }
    PDFStreamParser parser = new PDFStreamParser(contentStream.createInputStream());
    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 COSName) {
            COSName name = (COSName) token;
            if (i + 1 < tokens.size() && tokens.get(i + 1) instanceof Operator) {
                Operator op = (Operator) tokens.get(i + 1);
                if ("Do".equals(op.getName()) && imagesToRemove.contains(name)) {
                    // 跳过该图片的绘制指令
                    i += 2;
                    continue;
                }
            }
        }
        newTokens.add(token);
        i++;
    }

    // 生成新的内容流
    PDStream newContentStream = new PDStream(page.getDocument());
    try (OutputStream os = newContentStream.createOutputStream(COSName.FLATE_DECODE)) {
        ContentStreamWriter writer = new ContentStreamWriter(os);
        writer.writeTokens(newTokens);
    }
    page.setContents(newContentStream);
}

3. 主方法调整 #

使用try-with-resources自动管理文档资源，避免泄漏：

public void removeImages() {
    try (PDDocument document = PDDocument.load(new File("..\\sampleWithImage_with_barcode_img.pdf"))) {
        PDPageTree pages = document.getDocumentCatalog().getPages();
        for (PDPage pdPage : pages) {
            removeSpecificImage(pdPage, SOME_UNIQUE_ID);
        }
        document.save("..\\RemoveImage.pdf");
    } catch (Exception e) {
        e.printStackTrace();
    }
}

关键改进点 #

• 避免直接修改原资源：通过创建新的PDResources对象，彻底隔离原资源和修改后的资源，防止意外副作用。
• 精准匹配目标图片：严格通过XMP元数据的标题匹配，确保只删除指定图片。
• 清理内容流引用：移除内容流中对目标图片的绘制指令，让PDF符合规范，避免渲染警告。
• 完整保留其他资源：复制字体、颜色空间等必要资源，确保页面其他内容正常显示。

内容的提问来源于stack exchange，提问作者Ronak