java - 使用pdfbox将pdf转换为png时文本周围的红色区域

Question

我正在尝试使用 pdfbox 将 pdf 文件转换为 png 文件。不幸的是，结果我在输出的某些地方出现了奇怪的红色区域。我不确定是什么问题。只有部分 pdf 文件存在问题。

这是我正在使用的一些代码:

    public static BufferedImage generateFromPdf(String ref, InputStream stream, int pageIndex, PreviewMode mode) throws IOException {
        PDDocument doc = null;
        try (InputStream buffered = new BufferedInputStream(stream)) {
            doc = PDDocument.load(buffered, PDF_LOADING_MEMORY_SETTING);
            if (pageIndex > doc.getNumberOfPages()) {
                return null;
            }
            PDFRenderer renderer = new PDFRenderer(doc);
            return rasterizePdfBox(ref, pageIndex, renderer, mode);
        } finally {
            if (doc != null) {
                doc.close();
            }
        }
    }

然后:

    private static BufferedImage rasterizePdfBox(String ref, int pageIndex, PDFRenderer renderer, PreviewMode mode) throws IOException {
        Future<BufferedImage> result = executorService.submit(() -> {
            LOGGER.info(String.format("Generate preview for ref: %s, page: %s, mode: %s ", ref, pageIndex, mode.name()));
            return renderer.renderImageWithDPI(pageIndex - 1, mode.getDpi(), ImageType.RGB);
        });

        try {
            return result.get();
        } catch (InterruptedException | ExecutionException e) {
            LOGGER.error(String.format("Error when generating preview: %s", e.getMessage()));
            Thread.currentThread().interrupt();
            throw new IOException(e.getMessage());
        }
    }

到目前为止，我只发现当我在 linux 上的 Master PDF editor 中打开它们时，输出中红色的地方是空白的。尽管当我使用 Document Viewer 打开它们时，它们看起来很正常。

一些提示: - 扫描了有问题的 pdf。我可以选择工作部件周围的文本，但不能选择覆盖在它们上面的红色区域。也许这与 OCR 问题有关？ - 如果我使用 linux 工具 convert not-working-pdf.pdf converted.pdf 然后尝试将此文件转换为 png，则问题不再存在。

这是一个示例文件:https://ufile.io/3or9l

pdfbox版本:2.0.13

Answer 1

这是一个 PDFBox 错误，原因是带有 mask 的双色图像，这是不寻常的。光栅中只有一个颜色元素，因此仅应用“R”而不是所有 3 个 RGB 目标。因此，白色看起来像红色。

问题 PDFBOX-4470 中有关此错误的更多详细信息，它将在 2.0.14 版本中修复。在那之前，您可以使用 snapshot .