Question

基于this SO question我尝试阅读pdf文件中的每一页。这样做的背景是，我试图替换不包含任何textcontent但包含完全空白页面的图像的页面。背景是pdf可以包含可能包含图像的空白页面。这些页面确实需要存在，因为它们即将打印成双面打印。

但是对于PDFBox 2.0，这似乎有点复杂，因为我每次尝试保存新生成的PDDocument时都会遇到堆栈跟踪。是否应该使用PDFBox 2.0的新版本做任何不同的事情？我是否应该避免关闭PDDocument buffer，因为通过将其留下来，示例程序确实可以毫无例外地运行，这可能是潜在的副作用吗？

这里可以看到一个简单的运行示例。您可以使用任何pdf文件，因为结果将是一个pdf文件，其页面数量应该是空的：

public static void main(String[] args) throws IOException {
    // Load a simple pdf file
    PDDocument d = PDDocument.load(new File("D:\\test.pdf"));
    // This should be our new output pdf
    PDDocument c = new PDDocument();
    for(int i = 0;i<d.getNumberOfPages();++i) {
        // From the SO question, create a new PDDocument and just add the single page
        PDDocument buffer = new PDDocument();
        PDPage page = d.getPage(i);
        buffer.addPage(page);

        // Here i´d check if it has content but gonna leave it out now

        // Reassign the page variable to generate a "blank" pdf
        page = new PDPage(); 

        // In order to let some printers not ignore the blank page I have to 
        // write white text on the white background.
        PDPageContentStream contentStream = new PDPageContentStream(buffer, page);

        PDFont font = PDType1Font.HELVETICA_BOLD;
        contentStream.beginText();
        contentStream.setNonStrokingColor(Color.white); // !!!!!!
        contentStream.setFont( font, 6 );
        contentStream.newLineAtOffset(100, 700);
        contentStream.showText("Empty page");
        contentStream.endText();
        contentStream.close();
        // Close the buffer document, if i comment it out the exception is gone
        buffer.close();
        // Add the blank page
        c.addPage(page);
    }
    d.close();
    // The exception occurs here and seems to be connected with the closing of the buffer document
    c.save("D:\\newtest.pdf");
    c.close();
}

Stacktrace：

Exception in thread "main" java.io.IOException: Scratch file already closed
at org.apache.pdfbox.io.ScratchFile.checkClosed(ScratchFile.java:390)
at org.apache.pdfbox.io.ScratchFileBuffer.checkClosed(ScratchFileBuffer.java:99)
at org.apache.pdfbox.io.ScratchFileBuffer.seek(ScratchFileBuffer.java:295)
at org.apache.pdfbox.io.RandomAccessInputStream.restorePosition(RandomAccessInputStream.java:47)
at org.apache.pdfbox.io.RandomAccessInputStream.read(RandomAccessInputStream.java:78)
at java.io.InputStream.read(InputStream.java:101)
at org.apache.pdfbox.io.IOUtils.copy(IOUtils.java:66)
at org.apache.pdfbox.pdfwriter.COSWriter.visitFromStream(COSWriter.java:1134)
at org.apache.pdfbox.cos.COSStream.accept(COSStream.java:372)
at org.apache.pdfbox.pdfwriter.COSWriter.doWriteObject(COSWriter.java:533)
at org.apache.pdfbox.pdfwriter.COSWriter.doWriteBody(COSWriter.java:450)
at org.apache.pdfbox.pdfwriter.COSWriter.visitFromDocument(COSWriter.java:1034)
at org.apache.pdfbox.cos.COSDocument.accept(COSDocument.java:409)
at org.apache.pdfbox.pdfwriter.COSWriter.write(COSWriter.java:1284)
at org.apache.pdfbox.pdfwriter.COSWriter.write(COSWriter.java:1185)
at org.apache.pdfbox.pdmodel.PDDocument.save(PDDocument.java:1110)
at org.apache.pdfbox.pdmodel.PDDocument.save(PDDocument.java:1082)
at org.apache.pdfbox.pdmodel.PDDocument.save(PDDocument.java:1070)
at pdftools.Test.main(Test.java:41)

Answer 1

您的代码有些令人困惑，但问题的核心是在2.0中，如果您在其他文档中使用他们的页面，则不应关闭文档。

所以这里有一些解决方案：

不要关闭缓冲区文档，而是保留这些文档直到
创建页面及其内容两次
仅为目的地创建新页面（为什么要为“缓冲区”创建它，无论如何要转储？）
使用importPage（）而不是使用addPage（）复制页面。这将是一个深刻的副本。

Answer 2

我一直在寻找 2021 年的解决方案，这就是现在可以完成的方法 (Java/Kotlin)。示例从 PDF 文件中提取页面并将其保存在额外文件中。

import org.apache.pdfbox.pdmodel.PDDocument
import org.apache.pdfbox.pdmodel.PDPage
import java.io.File

val inputPdf = File("C:\\myInput.pdf")
val outputPdf = File("C:\\myOutput.pdf")

fun main(args: Array<String>) =
    PDDocument.load(inputPdf).use {
        savePageToExtraFile(it.pages.first(), outputPdf)
    }

fun savePageToExtraFile(page: PDPage, outputFile: File) =
    PDDocument().use {
        it.importPage(page)
        it.save(outputFile)
    }

PDFBox 2.0读取单页并写入/保存到新文件

2 个答案: