從PDF中刪除空註釋

Question

我編寫了一個C#程序，用於從PDF文件中刪除沒有任何操作的註釋。我使用iTextSharp。但是，在我的一個文件中，刪除了一個非空註釋（這是JavaScript操作），而其他非空註釋未被刪除。是這樣嗎？是因爲我的代碼還是有問題PDF file？

using System; 
using System.IO; 
using iTextSharp.text.pdf; 

namespace removeEmpty 
{ 
    class Program 
    { 
     public static void Main() 
     { 
      //Bytes will hold our final PDFs 
      byte[] bytes; 

      using (var ms = new MemoryStream()) { 
       using (var reader = new PdfReader("sandri6.pdf")) { 
        using (var stamper = new PdfStamper(reader, ms)) { 
         for (int i = 1; i <= reader.NumberOfPages; i++) { 
          // get a page a PDF page 
          PdfDictionary page = reader.GetPageN(i); 
          // get all the annotations of page i 
          PdfArray annotationsArray = page.GetAsArray(PdfName.ANNOTS); 

          // if page does not have annotations 
          if (annotationsArray == null) { 
           continue; 
          } 

          // for each annotation 
          for (int j = 0; j < annotationsArray.Size; j++) { 
           // for current annotation 
           PdfDictionary currentAnnotation = annotationsArray.GetAsDict(j); 

           PdfDictionary annotationAction = currentAnnotation.GetAsDict(PdfName.AA); 
           if (annotationAction == null) { 
            annotationsArray.Remove(j); 
            Console.Write("Removed annotation {0} with no action from page {1}\n", j, i); 
           } 
          } 
         } 
        } 
       } 

       //grab the bytes before closing things out 
       bytes = ms.ToArray(); 
      } 

      //write thebytes to disk 
      File.WriteAllBytes("output.pdf", bytes); 
      Console.ReadKey(); 
     } 
    } 
} 

Answer 1

您提供的文檔在其唯一頁面上包含13個鏈接註釋。並在對比的假設（即所有註釋有相關的行動），第二個沒有動作，因此，正確的代碼刪除：

正如你看到的，第二個註解在對象778中沒有A條目。

---

因此，如果您的示例文檔中，您的代碼正常工作。

請注意，雖然一些註釋類型不能只有一個標準動作（一個條目），它們也可以（或代替！）必須針對不同的觸發事件的附加動作。因此，對於通用解決方案，您還必須檢查這些類型的註釋中的條目AA。

---

雖然在代碼文檔中沒有觸發，但代碼中存在錯誤。在註釋中去除循環，我們看到：

for (int j = 0; j < annotationsArray.Size; j++) { 
    // for current annotation 
    PdfDictionary currentAnnotation = annotationsArray.GetAsDict(j); 

    PdfDictionary annotationAction = currentAnnotation.GetAsDict(PdfName.A); 
    if (annotationAction == null) { 
     annotationsArray.Remove(j); 
     Console.Write("Removed annotation {0} with no action from page {1}\n", j, i); 
    } 
} 

現在讓我們假設我們有兩個連續的註釋頁面的文檔，而無需操作。針對該文檔運行代碼，只有第一個將被刪除，而不是第二個，因爲annotationsArray.Remove(j)將註釋j+1移動到位置j，然後循環變量增加，即，刪除的變量之後的註釋未完全測試！

您可以通過向後循環解決這個問題，即

for (int j = annotationsArray.Size - 1; j >= 0; j--) 

或被annotationsArray.Remove(j)調用後遞減j。

向後循環的優點是Console輸出更有意義，在後一種情況下，註釋索引並不總是表示原始數組中的索引，而僅表示當前中間數組中的索引。