java - 在 PDFBox 2.0.4 上将页面提取为图像时出现 "black stain"

Question

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

这只发生在这个 PDF 和其他几个 PDF 中:http://www.filedropper.com/selection_3

这是重现问题的简单代码(使用 JavaFX)(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);
     }
}

这是我的依赖项:

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

在日志中我有这个，但我不知道这是否是问题的原因。我该如何解决？

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，或者我应该报告错误吗？

Answer 1

这是一个长期存在的问题(参见 PDFBOX-1752)。该错误在 JAI 中，而不在 PDFBox 中。 “No unicode...”在这里无关紧要，这仅与文本提取有关。

查看 the jai-imageio-jpeg2000 project ，然后将文件 StdEntropyDecoder.java 更改为 this commit (从这个扩展 pull request )。构建项目并在您的 maven pom.xml 中引用版本 1.3.1-SNAPSHOT 或将 jar 文件复制到您的类路径中。

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

附加关键字:黑色墨迹、黑色 Blob