Go使用pdfcpu操作pdf文件
目录
Go使用pdfcpu操作pdf文件
最近有一个新需求是移除pdf的logo和部分文本，也就了解了一下用go操作pdf。unidoc/unipdf这个库好像功能最强大，但是商业化使用需要授权，开源库里也是混淆代码。最后选用的是[pdfcpu/pdfcpu]，能够一定程度上处理pdf，但仍不能实现我对需求，只能借助这个库的现有功能手动写了。
删除图片
首先是移除logo，通过pdfcpu images list -p=1 .\test.pdf可以看到pdf内的图片信息：
pdfcpu images list -p=1 .\test.pdf
.\test.pdf:
1 images available (11 KB)
Page │ Obj# │ Id │ Type SoftMask ImgMask │ Width │ Height │ ColorSpace Comp bpc Interp │ Size │ Filters
━━━━━┿━━━━━━┿━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━━┿━━━━━━━┿━━━━━━━━┿━━━━━━━━━━━━━━━━━━━━━━━━━━━━┿━━━━━━━┿━━━━━━━━━━━━
1 │ 13 │ img1 │ image * │ 735 │ 160 │ CalRGB 3 8 │ 11 KB │ FlateDecode不过pdfcpu并没有提供主动删除图片的方式。通过解析处理图片的相关方法可以了解到图片相关信息存在ctx.XRefTable.Table中，这是一个map[int]*model.XRefTableEntry类型的映射。再结合上面得到的图片信息，从中删除logo图片的对象id就行。
func DeleteObjFromPdf(rs io.ReadSeeker, w io.Writer, objNr int) error {
if rs == nil {
return errors.New("pdfcpu: Optimize: missing rs")
}
conf := model.NewDefaultConfiguration()
ctx, err := api.ReadValidateAndOptimize(rs, conf)
if err != nil {
return err
}
delete(ctx.XRefTable.Table, objNr)
if err = api.WriteContext(ctx, w); err != nil {
return err
}
return nil
}提取内容流
至于删除文本，我原本想的是提取原始内容流，删除相应文本后再写回去：
func RemoveTextFromPage(ctx *model.Context, pageNum int, textToRemove string) error {
// 提取原始内容流
r, err := pdfcpu.ExtractPageContent(ctx, pageNum)
if err != nil || r == nil {
return err
}
data, err := io.ReadAll(r)
if err != nil {
return err
}
// TODO： 删除特定文本
// TODO： 写回ctx
return nil
}添加图章
但解析出来的的内容流太复杂，我又不懂pdf语法，只好退而求其次，用一个纯色图章遮住目标文本凑合用:
func hideTextWithStamp(rs io.ReadSeeker, w io.Writer) error {
text := " "
descs := []string{
"fillc:white",
"bgcolor:white",
"pos:c",
"off:0 250",
"points:36",
"scale:1 abs",
"ma:8 250",
"rot:0.0",
}
desc := strings.Join(descs, ",")
onTop := true
update := false
wm, err := api.TextWatermark(text, desc, onTop, update, types.POINTS)
if err != nil {
return err
}
selectedPages := []string{"1"}
if err := api.AddWatermarks(rs, w, selectedPages, wm, nil); err != nil {
return err
}
return nil
}就这样，勉强算是解决了这个需求。感觉进阶的话可以了解一下pdf语法，再尝试去手动编辑内容流。