XFA缺少填充字段？

Question

我正在使用pdfbox-1.8.12从PDF中读取内容以获取XFA。我已经能够成功地为大多数文件获取XFA，而没有遗漏任何字段值。

问题在于一些文件，如错误。pdf。我有许多字段没有像CIN这样的值，但当我在任何PDF查看器、foxit或Acrobat中打开文件时，它会显示该字段。

    public static byte[] getParsableXFAForm(File file) {
    if (file == null)
        return null;
    PDDocument doc;
    PDDocumentCatalog catalog;
    PDAcroForm acroForm;
    PDXFA xfa;
    try {
        doc = PDDocument.load(file);
        catalog = doc.getDocumentCatalog();
        acroForm = catalog.getAcroForm();
        xfa = acroForm.getXFA();
        byte[] xfaBytes = xfa.getBytes();
        doc.close();
        return xfaBytes;
    } catch (IOException e) {
        // handle IOException
        // happens when the file is corrupt.
        System.out.println("IOException");
        return null;
    }
}

然后将字节[]转换为字符串。

这是此文件的xfa，如果您在此搜索“U72300DL1996PLC075672”，它将丢失。

这是一个普通文件，提供所有字段。

有什么想法吗？我什么都试过了，但我的猜测是，既然读者能看到这个价值，我也应该能看到。

编辑：您必须下载文件，您可能无法在浏览器中查看它们。

Answer 1

表单中有多个XFA内容条目，表示表单在应用不同签名之前的不同状态。当您使用时

<代码>PDDocument。加载（文件）

PDF按顺序进行解析，不会提取最新的XFA内容。如果您将其更改为

<代码>PDDocument。loadNonSeq（文件，null）

将使用外部参照信息，并提取包含您要查找的信息的最新XFA。

请注意，对于PDFBox 1.8。x应始终使用PDDocument。loadNonSeq，以便按照规范解析PDF，即遵循外部参照信息<代码>PDDocument。加载只能用于处理具有（外部参照相关）分析错误的文件，其中顺序分析可能是一种倒退。

对于PDFBox 2。x<代码>PDDocument。加载外部参照后面的分析，例如“PDDocument”。1.8中的loadNonSeq，如果出现错误，则会在后台进行顺序解析。