无法在Java中读取pdf文件的生成文本

Question

我正在尝试用Java阅读文本，但效果不好。这是我的密码

PDFTextStripper pdfStripper = null;
PDDocument pdDoc = null;
COSDocument cosDoc = null;
File pdfFile = new File("1.pdf");
PDFParser parser = new PDFParser(new RandomAccessFile(pdfFile,"rw"));
parser.parse();
cosDoc = parser.getDocument();
pdfStripper = new PDFTextStripper();
pdDoc = new PDDocument(cosDoc);
pdfStripper.setStartPage(1);
pdfStripper.setEndPage(5);
String parsedText = pdfStripper.getText(pdDoc);
System.out.println(parsedText);

但是这样的结果

请稍等...

如果此消息最终未被文档的正确内容替换，则PDF查看器可能无法显示此类文档。

您可以通过访问http://www.adobe.com/go/reader_download.升级到适用于Windows®、Mac或Linux®的最新版本的Adobe Reader

有关Adobe Reader的更多帮助，请访问http://www.adobe.com/go/acrreader.

Windows是Microsoft Corporation在美国和/或其他国家的注册商标或商标。Mac是Apple Inc.的商标，在美国和其他国家注册。Linux是Linus Torvalds在美国和其他国家的注册商标。

我发现这个错误是因为xfa pdf文档而发生的。但是我不知道我的pdf文档的xfa格式。所以请让我知道如何了解xfa格式。

谁来帮帮我。谢谢你！

Answer 1

总结评论中所说或暗示的内容。。。

OP引用的文本，

请稍等...

如果此消息最终未被文档的正确内容替换，则PDF查看器可能无法显示此类文档。

...

是单个PDF页面的内容，Adobe软件通常以纯XFA形式放入PDF中。

XFA表单是在PDF中描述表单的另一种方式。与AcroForm方式不同，XFA表单仅使用PDF作为信封，其中包含XML流，以与任何其他PDF结构无关的方式描述表单的属性、行为和值。

因此，许多PDF处理器仅提供对XFA表单的基本支持（或根本不提供），主要例外是（显然）Adobe产品。

因此，在当前的PDF规范ISO 32000-2中，XFA已被标记为不推荐使用。

对于PDFBox，XFA支持仅限于检索XFA XML数据的功能。使用PdfTextStripper和相关类进行的文本提取仅对常规PDF内容进行操作，因此仅检索OP报告的文本。

要访问XFA表单的内容，可以使用PDAcroForm.getXFA（）检索XFA资源。