在PDFBox 2.0.4上将页面提取到图像时出现“黑色斑点”

Question

使用PDFBox 2.0.4将页面提取为图像，我的结果页面包含多个“黑洞”，如下图所示：

这种情况只发生在本PDF和其他PDF中：http://www.filedropper.com/selection_3

下面是一个简单的代码（使用JavaFX）来重现问题（下载PDF后更改文件路径）：

public class PDFExtractionTest extends Application {

    @Override
    public void start(Stage primaryStage) throws Exception {
        FileInputStream inputStream = new FileInputStream(new File("C:\\Users\\John\\Desktop\\selection.pdf"));
        PDDocument document = PDDocument.load(inputStream);
        PDFRenderer pdfRenderer = new PDFRenderer(document);
        BufferedImage bufferedImage = pdfRenderer.renderImage(1);
        Image fxImage = SwingFXUtils.toFXImage(bufferedImage, null);

        BorderPane borderPane = new BorderPane();
        ImageView imageView = new ImageView(fxImage);

        borderPane.setCenter(imageView);

        primaryStage.setScene(new Scene(borderPane, 1024, 768));
        primaryStage.show();
    }

     public static void main(String[] args) throws FileNotFoundException {
         launch(args);
     }
}

以下是我的依赖项：

• pdfbox 2.0.4
• jai-Imageio-jpeg2000 1.3.0（防止错误：无法读取JPEG2000图像：Java高级成像（JAI）图像I/O工具未安装）
• levigo-jbig2-Imageio 1.6.5（防止错误：无法读取JBIG2图像：jbig2-Imageio未安装）

在日志中我有这个，但我不知道这是否是问题的原因。我该怎么修？

févr. 01, 2017 11:20:51 AM org.apache.pdfbox.pdmodel.font.PDSimpleFont toUnicode
AVERTISSEMENT: No Unicode mapping for .notdef (9) in font Times-Bold
févr. 01, 2017 11:20:51 AM org.apache.pdfbox.rendering.Type1Glyph2D getPathForCharacterCode
AVERTISSEMENT: No glyph for 9 (.notdef) in font Times-Bold
févr. 01, 2017 11:20:51 AM org.apache.pdfbox.pdmodel.font.PDSimpleFont toUnicode
AVERTISSEMENT: No Unicode mapping for .notdef (9) in font Helvetica
févr. 01, 2017 11:20:51 AM org.apache.pdfbox.rendering.Type1Glyph2D getPathForCharacterCode
AVERTISSEMENT: No glyph for 9 (.notdef) in font Helvetica

我是否遗漏了代码中的某些内容，还是应该报告错误？

Answer 1

经过13次提醒后，我终于让Stian发布了jai-Imageio-jpeg2000库的新版本1.4.0。

所以这个东西最终可以通过升级到最新的官方库来解决...

Answer 2

这是一个长期的问题（见PDFBOX-1752）。错误在JAI中，而不是在PDFBox中。“没有Unicode......”在这里无关紧要，这只与文本提取相关。

查看jai-Imageio-jpeg2000项目，然后将文件StdEntropyDecoder.java更改为此提交（从此拉取请求扩展）。在maven中构建项目和参考版本1.3.1-SNAPSHOTpom.xml或将jar文件复制到类路径中。

如果jai-Imageio-jpeg2000项目团队发布了包含该拉取请求的新版本，那么您将不再需要构建自己。

附加关键词：黑色墨迹，黑色斑点