为何PDFBox返回图像尺寸0×0？当前代码可靠性及原因排查

我来帮你拆解这个问题——你遇到的情况其实挺常见的，核心原因是Ghostscript 9.10生成的PDF里，图像并不是通过直接的Do操作符绘制的，而是被封装在了其他PDF操作流里，导致PrintImageLocations的核心判断逻辑没触发。

一、先说说PrintImageLocations的可靠性 #

这个类是PDFBox官方提供的示例，对于标准的、直接用Do操作符调用XObject图像的PDF是完全可靠的，但它的局限性也很明显：

• 它只监听顶层内容流里的Do操作，没法处理嵌套在表单XObject、模式（Pattern）或者透明组里的图像
• 对于通过sh（着色）操作或者其他间接方式绘制的图像，它也捕捉不到

二、为什么Ghostscript生成的PDF会返回0×0？ #

Ghostscript 9.10在生成PDF时，为了优化或者兼容旧版规范，经常会把图像打包成表单XObject（Form XObject），或者用软掩码（Soft Mask）、图案着色的方式渲染。这时候图像的绘制逻辑不会直接出现在页面的顶层内容流里，而是嵌套在子内容流中。

你看到的q（保存图形状态）、cm（坐标变换）、gs（设置图形状态参数）这些操作，其实是在准备绘制上下文，但真正的图像绘制操作藏在子XObject的内容流里。而PrintImageLocations默认只会遍历页面的顶层内容流，不会递归解析子XObject，所以自然捕捉不到Do操作，也就返回了0×0的无效尺寸。

三、怎么解决这个问题？ #

你需要修改PrintImageLocations的代码，让它递归解析所有嵌套的XObject（包括表单、图案等），具体可以这么做：

1. 重写processOperator方法，当遇到Do操作时，不仅处理普通图像，还要判断如果是Form XObject，就递归解析它的内容流
2. 对于gs操作，检查是否涉及软掩码，如果有，解析软掩码里的图像内容
3. 另外，还要注意坐标变换矩阵（cm操作）的累积，因为嵌套的XObject会继承父级的变换矩阵，需要正确计算图像的实际显示尺寸

给你一段核心的代码修改示例：

@Override
public void processOperator(String operator, List<COSBase> operands) throws IOException {
    if ("Do".equals(operator)) {
        COSName xObjectName = (COSName) operands.get(0);
        PDXObject xobj = getResources().getXObject(xObjectName);
        if (xobj instanceof PDImageXObject) {
            // 处理普通图像，结合变换矩阵计算实际显示尺寸
            PDImageXObject image = (PDImageXObject) xobj;
            Matrix ctm = getGraphicsState().getCurrentTransformationMatrix();
            float scaledWidth = ctm.getXScale() * image.getWidth();
            float scaledHeight = ctm.getYScale() * image.getHeight();
            System.out.printf("实际图像尺寸：%.2f×%.2f%n", scaledWidth, scaledHeight);
        } else if (xobj instanceof PDFormXObject) {
            // 递归解析表单XObject的内容流
            PDFormXObject form = (PDFormXObject) xobj;
            PDResources originalResources = getResources();
            setResources(form.getResources());
            processStream(form.getCOSObject(), form.getContents());
            setResources(originalResources); // 恢复原资源
        }
    }
    // 调用父类方法处理其他操作符
    super.processOperator(operator, operands);
}

四、额外小提示 #

• 如果你不想自己改代码，可以试试PDFBox的PDFRenderer类，把页面渲染成BufferedImage后获取像素尺寸，但这种方式是像素级渲染，可能会有性能损耗
• Ghostscript 9.10版本比较老旧，升级到9.55及以上的新版本，可能会改变PDF的生成逻辑，让图像更容易被标准工具解析

内容的提问来源于stack exchange，提问作者HelloWorld