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。我们正在使用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，我们发现丢失了30％以上的字段。有人可以帮忙解决此问题吗？ PDF分15页，有不同的问题。如果问题出在原始PDF本身，那么可能是为什么无法阅读某些字段的原因呢？

Answer 1

您可能在该表单上具有层次结构字段。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，但是在设置值之前，您需要测试它们是否为终端。非终端字段不能有值，也没有与之关联的小部件（页面上的表示形式）。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。

Answer 2

再次重建整个PDF后，问题得以解决。

Apache PDFBox-无法读取PDF中的所有字段

2 个答案: