为什么尾部对象报告 "Size" 条目的先前值？

Question

我正在尝试编写代码来调查签名后对 PDF 文档的更改（欢迎指点）并遇到了这个奇怪的问题。

我想检索在 xref 表中索引的 PDF 文件中的对象数。看起来，虽然预告片字典中的所有其他条目都是最终预告片的条目，但 Size 的数字是原始预告片中的数字。在我的特殊情况下，对原始文档进行了 2 次更新（添加了 2 个外部参照表，总共 3 个），从原始文档 550 添加了最多 567 个对象。

这就是我从预告片字典中获取 Size 的方式：

  private static long getMaxObjId(PDDocument doc) {
    COSDocument cosdoc = doc.getDocument();
    COSDictionary trailer = cosdoc.getTrailer();
    long maxobj = trailer.getLong(COSName.SIZE);
    return maxobj;
  }

我正在使用 PDFBox 2.0.21。

Answer 1

你是对的。 Size trailer 中的条目包含最低的（即通常是 oldest） Size 文档中所有预告片的值，而 trailer 中的所有其他条目包含其各自键的最新值。

造成这种情况的原因比我原先想象的还要糟糕：您获得的 trailer 对象不仅仅是最新的（或者，考虑到 Size value, the earliest) trailer 字典中的字典，它是所有 trailer 字典的并集，从最早的trailer开始Prev 链接到最新的。

到目前为止一切顺利。但这不应该意味着该联合预告片中的所有条目都应该具有来自最新 trailer 字典的值和条目键吗？在看到用于创建联合的 COSDictionary.addAll(COSDictionary) 代码之前，我就是这么想的：

/**
 * This will add all of the dictionaries keys/values to this dictionary.
 * Only called when adding keys to a trailer that already exists.
 *
 * @param dic The dictionaries to get the keys from.
 */
public void addAll(COSDictionary dic)
{
    dic.forEach((key, value) ->
    {
        /*
         * If we're at a second trailer, we have a linearized pdf file, meaning that the first Size entry represents
         * all of the objects so we don't need to grab the second.
         */
        if (!COSName.SIZE.equals(key) || !items.containsKey(COSName.SIZE))
        {
            setItem(key, value);
        }
    });
}

此处明确不替换现有的 Size 条目！

这解释了最初的观察结果，即 Size 条目在预告片 中包含最低的（即通常是 oldest) Size 文档中所有尾部的值，而那个 尾部中的所有其他条目 包含最新值他们各自的钥匙。

这些评论产生了这样一种假设，即这是 PDFBox 默认从前面解析 PDF、忽略交叉引用表以及唯一相关的测试 PDF 没有正常增量更新的时代的遗物，仅仅完全没有更新的和线性化的，线性化使用为逆序增量更新定义的机制。并且仅在此类线性化文档的情况下，此异常才有意义。

但为什么我认为这比最初认为的更糟糕：这个 addAll 方法是一个 public COSDictionary 方法，其名称与 Java 集合框架 addAll。因此，它使用户认为第一个 JavaDoc 行 This will add all of the dictionaries keys/values to this dictionary 是正确的；所以他会用它来完成那个任务，从没想过 Size 条目不会被替换。

事实上，即使在 PDFBox 代码本身中，COSDictionary.addAll(COSDictionary) 也用于除预告片联合之外的其他上下文，尽管有第二行 JavaDoc，Only called when adding keys to a trailer that already exists.

应该检查并修复此问题。为此，我创建了一个 Jira 问题，PDFBOX-4999。

为什么尾部对象报告 "Size" 条目的先前值？

Why does the trailer object report a previous value for the "Size" entry?

pdfbox