导致PDF中出现"图像数据不足"的原因是什么
我有一个用Python写的程序（使用pyPDF），它可以把很多不同的PDF文件合并在一起。有时候，合并后的PDF文件看起来还不错，但中间会出现一些空白页。当我用Acrobat Reader查看这些文件时，会出现一个错误提示，内容是“图像数据不足”。而用FoxIT Reader查看时，会看到一些空白页和模糊的图像。
导致空白页的PDF文件有一个奇怪的地方，就是它似乎是PDF版本1.4的，而PyPdf生成的文件是PDF版本1.3的。
1) 这个版本的问题听起来像是我问题的根源吗？
2) 有没有办法让PyPdf正确处理这个问题？
3 个回答
我怀疑这个图片的XObject流格式有问题。如果没有问题的PDF文件，大家也只能猜测了。
比如说，如果PDF信息显示这个图片宽10像素，高10像素，每个像素8位，那么解压后应该是100个字节。如果解压后少于这个数，我就会期待出现你看到的那种错误。
这可能是pypdf中的一个bug，具体和你使用的图片格式有关。
如果我没记错的话，PDF中没有扫描行填充，也不需要考虑字边界，不过最后的位数如果需要的话会填充到一个字节。这里的混淆很可能导致字节数过多，但这不是这里的问题。
也有可能是颜色空间有问题。如果你有一个索引颜色的图片（比如gif），然后它被转换成RGB图片，但仍然使用原来的索引颜色字节，那么你得到的流可能会期望每个像素n*3位，但实际上只有n位。
这也可能是一个旧的bug，已经在pypdf中修复了。你现在使用的是最新版本吗？
我遇到了这个问题，后来通过把原始的PDF和用PyPDF处理过的PDF放在一起，用十六进制编辑器对比，终于找到了原因。
问题似乎是PyPDF在处理时漏掉了一个字节——看起来每个图像流的第一个字节可能缺失了。当我把这些字节加回到PyPDF生成的文件里后，PDF就可以正常打开了，没有出现错误。