场景:调用第三方的接口取得的PDF文件流中有个不想要的图片,跟第三方接口沟通无果的情况下,自己想办法去掉吧 。
解决思路:打算用PDFBox去掉PDF中的图片,但是在代码中resources.getImages()总是获取为空,经过一番搜索决定利用免费版的Spire.PDF for Java,测试结果图片果然被去掉了,但是生成的pdf顶部增加了多余的文字Evaluation Warning : The document was created with Spire.PDF for Java. 。现在的问题又变成了去掉pdf的文字,用PDFBox去文字还是有效的,最后结合一下,达到了去掉PDF文件中图片的目的 。
解决方式:
【Java去除PDF文件中的图片】1、加入maven依赖
2、删除图片代码
import com.spire.pdf.PdfDocument;import com.spire.pdf.PdfPageBase;import org.apache.pdfbox.cos.COSName;import org.apache.pdfbox.cos.COSString;import org.apache.pdfbox.pdfparser.PDFStreamParser;import org.apache.pdfbox.pdfwriter.ContentStreamWriter;import org.apache.pdfbox.pdmodel.PDDocument;import org.apache.pdfbox.pdmodel.PDPage;import org.apache.pdfbox.pdmodel.common.PDStream;import java.io.*;import java.util.Arrays;import java.util.Base64;import java.util.List;/** * 删除pdf文件流中图片 */public class DeleteImage {public static void main(String[] args) throws IOException {ByteArrayOutputStream baos = new ByteArrayOutputStream();//创建一个PDF实例PdfDocument doc = new PdfDocument();//加载pdf base64流String pdfStr = "base64文件流";doc.loadFromBytes(Base64.getDecoder().decode(pdfStr));//获取文档的第一页PdfPageBase page = doc.getPages().get(0);//删除第一页的第一张图page.deleteImage(0);doc.saveToStream(baos);ByteArrayInputStream swapStream = new ByteArrayInputStream(baos.toByteArray());// 删除水印handlePdfBook(swapStream);doc.close();}public static void handlePdfBook(InputStream in) {try (PDDocument pdfDocument = PDDocument.load(in)) {//加载PDF文件//处理PDF中的每一页for (PDPage page : pdfDocument.getPages()) {//解析PDF,找出其中有"xxxx"文字的token也就是COSString元素,找到后把值改掉即可PDFStreamParser parser = new PDFStreamParser(page);parser.parse();List