登录
当前位置： 首页 > 知识库问答 >
问题：

PDFBox 2.0.4:XFA到文本错误

墨财
2023-03-14

我在尝试将PDF（XFA）转换为字符串时出现以下错误。当我从PDFBox 1.8.12切换到PDFBox 2.0.4

这是日志

Mar 09, 2017 7:16:07 AM org.apache.pdfbox.pdfparser.BaseParser parseCOSArray
WARNING: Corrupt object reference at offset 779916
Mar 09, 2017 7:16:07 AM org.apache.pdfbox.pdfparser.BaseParser parseCOSArray
WARNING: Corrupt object reference at offset 780049
Mar 09, 2017 7:16:07 AM org.apache.pdfbox.pdfparser.BaseParser parseCOSArray
WARNING: Corrupt object reference at offset 780074
java.io.IOException: Unknown dir object c='>' cInt=62 peek='>' peekInt=62 at offset 780074
    at org.apache.pdfbox.pdfparser.BaseParser.parseDirObject(BaseParser.java:951)
    at org.apache.pdfbox.pdfparser.BaseParser.parseCOSArray(BaseParser.java:651)
    at org.apache.pdfbox.pdfparser.BaseParser.parseDirObject(BaseParser.java:866)
    at org.apache.pdfbox.pdfparser.BaseParser.parseCOSDictionaryValue(BaseParser.java:150)
    at org.apache.pdfbox.pdfparser.BaseParser.parseCOSDictionaryNameValuePair(BaseParser.java:274)
    at org.apache.pdfbox.pdfparser.BaseParser.parseCOSDictionary(BaseParser.java:207)
    at org.apache.pdfbox.pdfparser.BaseParser.parseDirObject(BaseParser.java:854)
    at org.apache.pdfbox.pdfparser.COSParser.parseFileObject(COSParser.java:772)
    at org.apache.pdfbox.pdfparser.COSParser.parseObjectDynamically(COSParser.java:741)
    at org.apache.pdfbox.pdfparser.COSParser.parseObjectDynamically(COSParser.java:672)
    at org.apache.pdfbox.pdfparser.COSParser.parseDictObjects(COSParser.java:632)
    at org.apache.pdfbox.pdfparser.PDFParser.initialParse(PDFParser.java:217)
    at org.apache.pdfbox.pdfparser.PDFParser.parse(PDFParser.java:252)

和

java.io.IOException: Wrong type of referenced length object COSObject{7, 0}: COSDictionary
    at org.apache.pdfbox.pdfparser.COSParser.getLength(COSParser.java:907)
    at org.apache.pdfbox.pdfparser.COSParser.parseCOSStream(COSParser.java:949)
    at org.apache.pdfbox.pdfparser.COSParser.parseFileObject(COSParser.java:780)
    at org.apache.pdfbox.pdfparser.COSParser.parseObjectDynamically(COSParser.java:741)
    at org.apache.pdfbox.pdfparser.COSParser.parseObjectDynamically(COSParser.java:672)
    at org.apache.pdfbox.pdfparser.COSParser.parseDictObjects(COSParser.java:632)
    at org.apache.pdfbox.pdfparser.PDFParser.initialParse(PDFParser.java:217)
    at org.apache.pdfbox.pdfparser.PDFParser.parse(PDFParser.java:252)
    at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:966)
    at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:922)
    at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:870)

我阅读了迁移，并使用load而不是loadNonSeq，因为现在PDFBox在内部处理这个问题。

关于如何修复这些错误的任何建议。

编辑错误#1错误#2

编辑#2@tilmanhausher我检查了你的理论。我用Supreme打开了文件，删除了开头的多余空格并保存了下来。我犯了以下错误

    org.apache.pdfbox.filter.FlateFilter decode
SEVERE: FlateFilter: stop reading corrupt stream due to a DataFormatException
java.io.IOException: java.util.zip.DataFormatException: invalid distance too far back
    at org.apache.pdfbox.filter.FlateFilter.decode(FlateFilter.java:82)
    at org.apache.pdfbox.cos.COSInputStream.create(COSInputStream.java:69)
    at org.apache.pdfbox.cos.COSStream.createInputStream(COSStream.java:162)
    at org.apache.pdfbox.pdfparser.PDFXrefStreamParser.<init>(PDFXrefStreamParser.java:56)
    at org.apache.pdfbox.pdfparser.COSParser.parseXrefStream(COSParser.java:2075)
    at org.apache.pdfbox.pdfparser.COSParser.parseXrefObjStream(COSParser.java:348)
    at org.apache.pdfbox.pdfparser.COSParser.parseXref(COSParser.java:303)
    at org.apache.pdfbox.pdfparser.PDFParser.initialParse(PDFParser.java:194)
    at org.apache.pdfbox.pdfparser.PDFParser.parse(PDFParser.java:252)
    at utils.PDFManager.PDFToText(PDFManager.java:280)
    at processing.charge.CertificateUtils.getCertificateTypeFromFile(CertificateUtils.java:56)
    at processing.charge.CertificateUtils.getCertificateType(CertificateUtils.java:48)
    at processing.Controller.getDocumentType(Controller.java:110)
    at processing.Controller.insertIntoDb(Controller.java:43)
    at Test.main(Test.java:203)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at com.intellij.rt.execution.application.AppMain.main(AppMain.java:147)
Caused by: java.util.zip.DataFormatException: invalid distance too far back
    at java.util.zip.Inflater.inflateBytes(Native Method)
    at java.util.zip.Inflater.inflate(Inflater.java:259)
    at java.util.zip.Inflater.inflate(Inflater.java:280)
    at org.apache.pdfbox.filter.FlateFilter.decompress(FlateFilter.java:107)
    at org.apache.pdfbox.filter.FlateFilter.decode(FlateFilter.java:64)
    ... 19 more
Mar 09, 2017 11:07:22 PM org.apache.pdfbox.filter.FlateFilter decode
SEVERE: FlateFilter: stop reading corrupt stream due to a DataFormatException
java.io.IOException: java.util.zip.DataFormatException: invalid distance too far back
    at org.apache.pdfbox.filter.FlateFilter.decode(FlateFilter.java:82)
    at org.apache.pdfbox.cos.COSInputStream.create(COSInputStream.java:69)
    at org.apache.pdfbox.cos.COSStream.createInputStream(COSStream.java:162)
    at org.apache.pdfbox.pdfparser.PDFXrefStreamParser.<init>(PDFXrefStreamParser.java:56)
    at org.apache.pdfbox.pdfparser.COSParser.parseXrefStream(COSParser.java:2075)
    at org.apache.pdfbox.pdfparser.COSParser.parseXrefObjStream(COSParser.java:348)
    at org.apache.pdfbox.pdfparser.COSParser.parseXref(COSParser.java:303)
    at org.apache.pdfbox.pdfparser.PDFParser.initialParse(PDFParser.java:194)
    at org.apache.pdfbox.pdfparser.PDFParser.parse(PDFParser.java:252)
    at utils.PDFManager.PDFToText(PDFManager.java:280)
    at processing.charge.CertificateUtils.getCertificateTypeFromFile(CertificateUtils.java:56)
    at processing.charge.CertificateUtils.getCertificateType(CertificateUtils.java:49)
    at processing.Controller.getDocumentType(Controller.java:110)
    at processing.Controller.insertIntoDb(Controller.java:43)
    at Test.main(Test.java:203)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at com.intellij.rt.execution.application.AppMain.main(AppMain.java:147)
Caused by: java.util.zip.DataFormatException: invalid distance too far back
    at java.util.zip.Inflater.inflateBytes(Native Method)
    at java.util.zip.Inflater.inflate(Inflater.java:259)
    at java.util.zip.Inflater.inflate(Inflater.java:280)
    at org.apache.pdfbox.filter.FlateFilter.decompress(FlateFilter.java:107)
    at org.apache.pdfbox.filter.FlateFilter.decode(FlateFilter.java:64)

为了验证你的理论，我在Sublime中打开了另一个文件（运行正常），它有相同的空格、制表符和CR。

工作文件

共有1个答案

范云
2023-03-14

正如评论中所讨论的，在PDF标题开始之前，这些文件有空格（CRs和制表符）。你可以用记事本（或者任何可以编辑二进制文件的编辑器）删除它们，或者（如果你所有的文件都有这个缺陷）编写一个简短的代码打开一个输入流，吞下字节直到你点击“%”，然后将所有剩余的从那里复制到一个输出流。

我还发行了PDFBOX-3714。

更新：这已在2.0.5中修复，现在可用。

 类似资料：
  • 如何用IText/XFA Worker将XFA xml数据移动到PDF/A-2格式文件中

    在Adobe的PDF/a的ISO 32000规范中，它规定XFA数据可以存储在PDF/A-2确认PDF中的一个特殊位置。这是那一节的正文。 将XFA数据集合并到PDF/A-2符合文件中以支持PDF/A-2符合文件，ExtensionLevel3通过XFAResources名称树添加了对XML表单数据（XFA数据集）的支持，该名称树是文档目录名称字典的一部分。 （见第23页“表3.28姓名词典条目”

  • 结合XFA和PDFBox

    你知道是否可以用PDFBox填写PDF格式的表格吗？如果是的话，是否有代码示例或教程来实现这一点？若否，有何最佳选择可达致这个目标？

  • 读取文本文件时出现“找不到行”错误

    我试图从一个名为poll.txt的文件中获取数据集，然后使用相关数据。 poll.txt内容： 源代码，选举票.java： 但是，当我运行程序时，在给出异常之前，只使用了其中一行： 我试着在“scanner.nextLine（）；”语句中移动，但没有用。如果我不要求nextLine，这个程序运行良好，但我显然需要它，而且我似乎不知道出了什么问题。

  • PDFBox 1.8.12中的XFA建筑，而不是2.0.4中的XFA建筑

    我曾尝试从文件中提取XFA，在我将PDFBox从1.8.12更新到2.0.4之前，它对我来说效果很好。 我有一个文件，我可以从使用1.8.12但不使用2.0.4提取XFA。 当我用2.0.4的PDFBox提取它时，我得到了XFA的结构，但是几乎所有的值都不见了。另一方面，当我试图用1.8.12提取相同的形式时，结果很好。 我调查了一个类似的问题。据说是在2.0.4中修复的，但我仍然面临一些问题。

  • 从Java到MySQL的Twitter文本:utf8mb4 SQL错误“ReportCharsetNR（”

    对于上下文：尝试将Twitter文本加载到MySQL数据库中。有些tweet包含字符，这会引发java.sql.Exception。我解决了这个问题，多亏了这个帖子。 现在，Java代码运行时没有任何错误；但是，我不能在我的表上执行简单的。 我得到以下SQL错误：

  • 如何将java -jar错误输出到文本/日志文件？

    问题内容： 我用心搜寻了！我试图弄清楚如何从Windows命令行执行java时输出java类可能给出的任何错误。 例如 如果该行引发任何错误，我希望将它们存储到文本文件中，以便以后进行检查。 我试过了 但是，尽管抛出错误，log.txt文件还是空的。 谢谢大家！ 问题答案： 用： 2重定向错误流。

相关问答

从Java到MySQL的Twitter文本:utf8mb4 SQL错误“ReportCharsetNR（”TextInputLayout错误文本填充PDFBox 2.0.7无法设置XFAXFA缺少填充字段？Pandas文本文件到CSV

相关文章

python-非纯文本文件的Steganographer文件处理错误如何将JSON保存到本地文本文件巨大的XML文件到文本文件如何将文本附加到文件？使用Maven将版本号输出到文本文件

相关阅读

JavaScript之文本框脚本（表单脚本）Matplotlib绘制文本OpenCV添加文本Jsoup 获取文本Matlab .m脚本文件

相关工具

Marlin 中文版本 LCDJOE文本编辑器使用Shell脚本批量打包生成可配置的.ipa文件Monster 脚本本生理财

相关文档

Python 文本处理Hyperledger 超级账本帮助文档本地组策略编辑器 帮助文档MathJax 中文文档PhoneGap 中文文档
快捷导航： 新手教程 算法原理 架构设计 Java进阶 数据库进阶 大厂专栏 面试经验 编程笔记 编程问答 所有专题 文档资料 工具软件 电子书籍 小牛导航
在线工具： 房贷计算器 个税计算器 Linux命令查询 Json格式化 正则表达式 颜色转换 AES加解密 SHA1加密 MD5加密 毒鸡汤 字数统计 随机密码生成 进制转换 Base64编解码 励志句子
Copyright © 2019-2024 小牛知识库@xnip.cn. All Rights Reserved.