我已经使用InputStreams
使用PDFBox成功实现了pdf合并解决方案。但是,当我尝试合并一个非常大的文档时,我收到以下错误:
Caused by: java.io.IOException: Missing root object specification in trailer.
at org.apache.pdfbox.pdfparser.COSParser.parseTrailerValuesDynamically(COSParser.java:2832) ~[pdfbox-2.0.11.jar:2.0.11]
at org.apache.pdfbox.pdfparser.PDFParser.initialParse(PDFParser.java:173) ~[pdfbox-2.0.11.jar:2.0.11]
at org.apache.pdfbox.pdfparser.PDFParser.parse(PDFParser.java:220) ~[pdfbox-2.0.11.jar:2.0.11]
at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:1144) ~[pdfbox-2.0.11.jar:2.0.11]
at org.apache.pdfbox.pdmodel.PDDocument.load(PDDocument.java:1060) ~[pdfbox-2.0.11.jar:2.0.11]
at org.apache.pdfbox.multipdf.PDFMergerUtility.legacyMergeDocuments(PDFMergerUtility.java:379) ~[pdfbox-2.0.11.jar:2.0.11]
at org.apache.pdfbox.multipdf.PDFMergerUtility.mergeDocuments(PDFMergerUtility.java:280) ~[pdfbox-2.0.11.jar:2.0.11]
(我认为)更重要的是在错误之前发生的这些语句:
FINE (pdfparser.COSParser) [] - Missing end of file marker '%%EOF'
FINE (pdfparser.COSParser) [] - Set missing offset 388 for object 2 0 R
在我看来,它无法在非常大的文件中找到 '%%EOF'
标记。现在我知道它确实在那里,因为我可以查看源代码(不幸的是我无法提供文件本身)。
在网上进行一些搜索,我发现 COSParser
类中有一个 setEOFLookupRange()
方法。我想知道查找范围是否太小,这就是为什么它找不到 '%%EOF'
标记。问题是......我在代码中根本没有使用 COSParser 对象;我只使用 PDFMergerUtility
类。 PDFMergerUtility
似乎在底层使用 COSParser
。
所以我的问题是
- 我对
EOFLookupRange
的假设正确吗? - 如果是这样,如何设置代码中仅包含
PDFMergerUtility
而不是COSParser
对象的范围?
非常感谢您抽出时间!
更新了以下代码
private boolean getCoolDocuments(final String slateId, final String filePathAndName)
throws IOException {
boolean status = false;
InputStream pdfStream = null;
HttpURLConnection connection = null;
final PDFMergerUtility merger = new PDFMergerUtility();
final ByteArrayOutputStream mergedPdfOutputStream = new ByteArrayOutputStream();
try {
final List<SlateDocument> parsedSlateDocuments = this.getSpecificDocumentsFromSlate(slateId);
if (!parsedSlateDocuments.isEmpty()) {
// iterate through each document, adding each pdf stream to the merger utility
int numberOfDocuments = 0;
for (final SlateDocument slateDocument : parsedSlateDocuments) {
final String url = this.getBaseURL() + "/slate/" + slateId + "/documents/"
+ slateDocument.getDocumentId();
/* code for RequestResponseUtil.initializeRequest(...) below */
connection = RequestResponseUtil.initializeRequest(url, "GET", this.getAuthenticationHeader(),
true, MediaType.APPLICATION_PDF_VALUE);
if (RequestResponseUtil.isSuccessful(connection.getResponseCode())) {
pdfStream = connection.getInputStream();
}
else {
/* do various things */
}
merger.addSource(pdfStream);
numberOfDocuments++;
}
merger.setDestinationStream(mergedPdfOutputStream);
// merge the all the pdf streams together
merger.mergeDocuments(MemoryUsageSetting.setupTempFileOnly());
status = true;
}
else {
LOG.severe("An error occurred while parsing the slated documents; no documents remain after parsing!");
}
}
finally {
RequestResponseUtil.close(pdfStream);
this.disconnect(connection);
}
return status;
}
public static HttpURLConnection initializeRequest(final String url, final String method,
final String httpAuthHeader, final boolean multiPartFormData, final String reponseType) {
HttpURLConnection conn = null;
try {
conn = (HttpURLConnection) new URL(url).openConnection();
conn.setRequestMethod(method);
conn.setRequestProperty("X-Slater-Authentication", httpAuthHeader);
conn.setRequestProperty("Accept", reponseType);
if (multiPartFormData) {
conn.setRequestProperty("Content-Type", "multipart/form-data; boundary=BOUNDARY");
conn.setDoOutput(true);
}
else {
conn.setRequestProperty("Content-Type", "application/xml");
}
}
catch (final MalformedURLException e) {
throw new CustomException(e);
}
catch (final IOException e) {
throw new CustomException(e);
}
return conn;
}
最佳答案
正如我所怀疑的,这是 InputStream
的问题。这并不完全是我的想法,但基本上我做了一个(非常错误的)假设:我可以这样做:
pdfStream = connection.getInputStream();
/* ... */
merger.addSource(pdfStream);
当然,这是行不通的,因为整个InputStream
可能会被读取,也可能不会被读取。需要显式地读入它,直到到达最后一个 -1 字节。我很确定,在较小的文件上,这工作正常,并且实际上在整个流中读取,但在较大的文件上,它根本没有完成......因此找不到 %%EOF
标记。
解决方案是使用中介ByteArrayOutputStream
,然后通过ByteArrayInputStream
将其转换回InputStream
。
所以如果你替换这行代码:
pdfStream = connection.getInputStream();
上面这段代码:
final ByteArrayOutputStream byteArrayOutputStream = new ByteArrayOutputStream();
int c;
while ((c = connection.getInputStream().read()) != -1) {
byteArrayOutputStream.write(c);
}
pdfStream = new ByteArrayInputStream(byteArrayOutputStream.toByteArray());
您最终将得到一个可行的示例。
我最终可能会将其更改为使用 Pipes or Circular Buffers instead 的实现,但至少现在是有效的。
虽然这不一定是 Java 101 错误,但它更像是 Java 102 错误,而且仍然是可耻的。 :/希望它对其他人有帮助。
感谢@Tilman Hausherr 和@Master_ex 提供的所有帮助!
关于java - 使用 PDFBox 合并大型 PDF 文件时出错 - 缺少文件结尾标记 '%%EOF',我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51564781/