java - Apache PDFBox - 无法读取 PDF 中的所有字段

Question

我们正在尝试读取 PDF 并动态填充其中的值。根据传入的请求，我们运行一些规则并导出要使用的 PDF，然后动态为其填充值。我们使用的是 Apache PDFBox 版本 2.0.11，由于某种原因，我们遇到了特定 PDF 模板的问题。我们无法读取此特定模板的某些字段，并且生成的 PDF 不完整。想知道是否与原始 PDF 本身有关。这是我们用来读取字段并填充它的代码片段。

PDDocument pdfTemplate = PDDocument.load(inputStream);
PDDocumentCatalog docCatalog = pdfTemplate.getDocumentCatalog();
PDAcroForm  acroForm = docCatalog.getAcroForm();
acroForm.setXFA(null);
COSArrayList<PDField> list = (COSArrayList<PDField>) acroForm.getFields();
for (PDField field : list) {
     field.setReadOnly(true);
      logger.debug("Field name "+field.getFullyQualifiedName())))
      //use logic to populate value by calling field.setValue();
}

当我们尝试打印每个字段名称时，我们发现超过 30% 的字段丢失。任何人都可以帮忙解决如何解决这个问题吗？ PDF 有 15 页，包含不同的问题。如果问题出在原始 PDF 本身，那么无法读取某些字段的原因可能是什么？

Answer 1

您可能在该表单上有分层字段。尝试类似下面的代码...

PDDocument pdfTemplate = PDDocument.load(inputStream);
PDDocumentCatalog docCatalog = pdfTemplate.getDocumentCatalog();    
PDAcroForm  acroForm = docCatalog.getAcroForm();
PDFieldTree fieldTree = acroForm.getFieldTree();
Iterator<PDField> fieldTreeIterator = fieldTree.iterator();
while (fieldTreeIterator.hasNext()) {
    PDField field = fieldTreeIterator.next();
    if (field instanceof PDTerminalField) {
        String fullyQualifiedName = field.getFullyQualifiedName();
        logger.debug("Field name "+fullyQualifiedName);
    }
}

PDAcroForm.getFields() 仅获取根字段，而不获取其子字段。 PDAcroForm.getFieldTree() 获取所有字段，但您需要在设置值之前测试它们是否为终端。非终结符字段不能有值，也没有与其关联的小部件(页面上的表示)。如果完全限定名称中包含句点，您就会知道这是问题所在。句点代表层次结构。