使用iTextSharp修改PDF文件

对大量的PDF文件（超过2500份）的页眉页脚等区域进行修改

使用iTextSharp修改PDF文件 发布日期：2006-7-13 9:01:45 作者：pansky 出处：http://kb.csdn.net

最近因为工作需要，公司让我写个小程序，对大量的PDF文件（超过2500份）的页眉页脚等区域进行修改。简单地说，就是将一批PDF文档的页眉页脚进行修改，然后生成新的PDF文件。 这种事情虽然以前没做过，但没办法，谁让我们只是个程序员呢，想继续拿工资，就、就开始工作吧…… 首先，Google一下相关资料，得到了以下一些信息： 1、Acrobat提供7.0版PDF的SDK； 2、国内有个由Acrobat公司支持的，专业讨论PDF的论坛：http://www.chinapdf.com/pdfbbs/index.asp； 3、网上有一大堆可以操作PDF文件的库呀、程序呀的，完全收费的（Aspose）、半收费的（PDFLib，对个人使用免费，对商业应用收费）、开源的（iTextSharp，PDFBox）都有； 4、PDF是公开标准的电子文档格式，全世界并不仅仅只有Acrobat公司可以发布相关的产品，其它很多、很多公司都有相关的产品。 5、国内也有一大批人在研究PDF文件，并有自己的产品，可惜的是好像大部分都是收费的，好像还不便宜。（这是第一次发现，原来国内有这么多人在研究PDF呀，长见识了）  作为一个程序员，首先当然是试用SDK，从网上DOWN了来，好大呀，60M哦，看看附带的几篇文档，都是近千页的，还是全英文的，看得累呀。难怪网上有人说：如果看SDK的话，没有3个月，基本上写不了什么程序的。 虽然使用SDK是最正宗、最强大、最能控制每一个细节的方法，但是，这次任务时间相当紧迫（只有3-5天的时间），看来这条路是行不通了。 第二条路，试用收费的Aspose，这个东东确实不错，可惜过于复杂，对我现的任务也大材小用了。最最重要的是，估计公司不会掏钱买的（只是一次性的任务，这个程序估计以后就没多少机会可以用了），但是公司又不允许使用D版的。 算了，看开源的吧。 重量级人物出场了：iTextSharp，鼓掌。。。。。    这个iTextSharp确实是个好东西，可以创建、读取PDF格式的文档，虽然我的需求比较简单，但我首先还是基本上、完整地看完了它的相关文档，不喜欢英文的同志，可以搜索一篇《用C#制作PDF文件全攻略》（苟安廷），这篇文章是苟先生在使用iTextSharp时的一些心得，里面虽然重点是说明如何创建PDF文件，对读取、修改PDF文件的方法略过不提，因此，对于我的任务来说，并没有太大的作用，但在这里，仍然感谢苟先生的无私奉献。      具体使用iTextSharp的方法，我这里就不细说了，因为非常简单，仔细看看它的文档，应该都可以很轻松地创建、读取PDF文件。我这里就只说说我在使用过程中碰到的一些问题，让后来的人少走一些弯路： 1、 PDF文件从理论上来说，只要创建成功之后，就不能再修改。     因为我需要修改原来的PDF文件，将它的页眉页脚去掉，然后换上新的页眉页脚。所以，我最开始对怎么只取得原始文件中的内容区域（是去掉了页眉、页脚、左边固定区域、右边固定区域的一个矩形区域），研究了很久。调用了其中的GetImportedPage方法，得到字符串，然后通过分析该字符串（是极其粗略的分析，因为PDF文件格式的标志太多，后面会有相关说明），去掉其中不需要的部分，再将剩下的其它部分进行保存，生成新的PDF文件。     理论上这种方法是正确的，也比较符合我们的一般逻辑思维（因为我们对已生成的文档、程序进行修改，大多数情况下都是用类似方法，比如：对某个程序进行解密等等）。我也确实按这种方法得到了符合要求的、新的PDF文件，但随即就发现了该方法其实不具备通用性，即对某篇文件是有效的，但对另一篇文件却有可能会造成格式错位。     因为分析PDF文件的格式是一件非常麻烦的事情，很多明明应该是在内容区域的字节，却显示在页眉处，如果我再分析到里面最细小的、每一个标志位，还不如直接看它的SDK，而且这样的话，在规定的时间里，这个程序也将完不成了。  解决办法：     我先研究了Acrobat里的crop，它为什么可以这么精确的剪裁呢？     结果让我哑然失笑，原来它的crop也不是真正的剪裁，而只是把需要的剪裁掉的区域屏蔽掉了而已，如果再回到crop里，进行上、下、左、右的设置，原来看起来好像被剪裁掉的区域仍然会显示出来，呵呵，有意思。     好的，现在心里有底了，大概知道怎么做了，这时再仔细看看iTextSharp的文档，发现有一段话以前没有注意到：    If you have an existing PDF file that represents a form, you could copy the pages of this form and paint text at precise locations on this form. You can\'t edit an existing PDF document, by saying: for instance replace the word Louagie by Lowagie. To achieve this, you would have to know the exact location of the word Louagie, paint a white rectangle over it and paint the word Lowagie on this white rectangle. Please avoid this kind of \'patch\' work. Do your PDF editing with an Adobe product. 呵呵，跟我想的一样，就是用新的区域，把需要剪裁的区域给覆盖掉。 这就容易多了，先用iTextSharp的Template功能，把自己需要的文字、图片、表格放到Template里，然后把整个的Template加到合适的位置，即可。 哦，别忘了，得先在Template里加个白色的矩形框，放在最底层。 注：上面提到了PDF文件的格式，其实PDF文件的格式非常有趣，是的，非常有趣。相关的信息，可参考网上的《一个简单的PDF文件结构的分析》等文章。否则当你看到<BT>、<ET>、/F1、TF时，你会感觉莫明其妙的。 2、 PDF文件中的属性，不是我们一般意义上的文件的属性。     这一点开始让我走了一段弯路，我用iTextSharp中的相关函数，在Document.Opent()之前，设置了相关的属性，如：subject/author/title等等，但奇怪的是，生成新的PDF文件中，我用一般的看某一个文件属性的方法，却没有看到预料中的属性，都是空的。     后来，经过有经验的同事提醒，才知道：原来所谓的PDF文件的属性，是要在Acrobat Reader的某个菜单中才能看到的。         呵呵，以前对Acrobat的应用就基本上只有对文件进行互相转换，没用过其它太多的功能，没有经验呀。