PdfBox无法导入页面

Question

我有以下代码

0. templatePage = (PDPage) PDDocument.load(file).getDocumentCatalog().getAllPages().get(0);
1. ...
2. document.importPage(templatePage); //first page
3. ... //draw stuff
4. document.importPage(templatePage); //next page
5. ...

如果在第三行我只画了一些东西，那么一切都很好。然而，如果我画了很多东西，那么我会得到：

Index: 12, Size: 0. Stacktrace follows:
java.lang.IndexOutOfBoundsException: Index: 12, Size: 0
at java.util.ArrayList.rangeCheck(ArrayList.java:635)
at java.util.ArrayList.get(ArrayList.java:411)
at org.apache.pdfbox.io.RandomAccessBuffer.seek(RandomAccessBuffer.java:84)
at org.apache.pdfbox.io.RandomAccessFileInputStream.read(RandomAccessFileInputStream.java:96)
at java.io.BufferedInputStream.fill(BufferedInputStream.java:235)
at java.io.BufferedInputStream.read1(BufferedInputStream.java:275)
at java.io.BufferedInputStream.read(BufferedInputStream.java:334)
at org.apache.pdfbox.pdmodel.PDDocument.importPage(PDDocument.java:654)
at xxx.PdfReport.breakPage(PdfReport.java:145)
at xxx.PdfReport.print(PdfReport.java:84)

以上代码在95%的情况下都能正常工作，只有当页面真正满了时才会出现问题。

如果在第2行。

 document.addPage(new PDPage());

那么它工作得很好。但目标是使用pdf模板。

Answer 1

主要问题是从文件中加载PDDocument，

PDDocument.load(file)

从中提取PDPage对象，

....getDocumentCatalog().getAllPages().get(0)

但是在使用页面时，不要再保留PDDocument实例。

document.importPage(templatePage)

因此，您允许垃圾回收机制声明PDDocument实例从PDPage实例下拉地毯：

一个PDPage对象不包含所有页面内容的所有信息，而只是一些对象标识符，这些标识符必须在document.importPage调用期间解析；如果源PDDocument同时已最终确定（由于未被引用，因此最终由垃圾回收机制处理），它们将无法再解析。

这方面的症状可能有所不同，在我的测试中，我没有得到任何异常，而是得到了一个严重的日志输出

No Kids found in getAllKids(). Probably a malformed pdf.

并且要么没有导入页面，要么导入的页面缺少一些资源，例如嵌入式字体。

（顺便说一句，我实际上更喜欢在这里得到一个异常，因为如果没有它，代码会假定它成功导入了页面）

只要您使用PDDocument实例，请坚持使用它：

0. PDDocument sourceDocument = PDDocument.load(file);
   templatePage = (PDPage) sourceDocument .getDocumentCatalog().getAllPages().get(0);
1. ...
2. document.importPage(templatePage); //first page
3. ... //draw stuff
4. document.importPage(templatePage); //next page
5. ...
   sourceDocument.close();

最终的源文档。closecall在您选择的时间释放资源，而不是在垃圾收集控制的时间释放资源。

将相同的模板PDPage导入两次的一个问题是，相同的内容流在结果文件中出现了两次，可能还有它的资源。根据相关页面的性质，这可能意味着相当大的开销。您可以通过将模板页面作为表单xject导入一次并在目标文档中的任意多页上包含对此xject的引用来解决此开销。

这个关于如何使用pdfbox在另一个PDPage中插入PDPage的答案解释了如何将模板页作为表单xobject导入，并将其放在当前pdfbox 2.0.0开发快照中的某个目标页上。当前版本1.8应该可以使用类似的功能。十、 我也是。

Answer 2

黑客解决方案是：

每次使用前加载模板。确保模板文档不是GCd。然后它就会工作。

如果有人有正式的解决方案，请让我知道。