iText 7在第一个PDF页面中抛出InlineImageParseException，而在iText 5中则完美运行

Question

我正在将iText 7.1.1用于.Net Core 2.0。 当我尝试从PDF的第一页获取文本时，出现以下异常：

iText.Kernel.Pdf.Canvas.Parser.Util.InlineImageParsingUtils.InlineImageParseException: 'Cannot find image data or EI.'

码：

pdfDocument = new PdfDocument(pdfReader);
PdfTextExtractor.GetTextFromPage(pdfDocument.GetFirstPage()); //throw InlineImageParseException

除第一页外的所有其他页面在iText 7中均可正常运行。

使用iText 5不会引发异常，并且第一页可以完美地转换为文本。

PDF档案： https ： //drive.google.com/file/d/16P-__xlugJoVK8QUifNzfMfaZp9DIMK9/view？usp = sharing

Answer 1

有问题的原因是RunLengthDecodeFilter在.Net的iText 7中已完全损坏。 当前的（7.1.2-SNAPSHOT）代码如下所示：

public class RunLengthDecodeFilter : IFilterHandler {
    public virtual byte[] Decode(byte[] b, PdfName filterName, PdfObject decodeParams, PdfDictionary streamDictionary
        ) {
        MemoryStream baos = new MemoryStream();
        byte dupCount;
        for (int i = 0; i < b.Length; i++) {
            dupCount = b[i];
            if (dupCount == (byte)0x80) {
                // this is implicit end of data
                break;
            }
            if (dupCount >= 0) {
                int bytesToCopy = dupCount + 1;
                baos.Write(b, i, bytesToCopy);
                i += bytesToCopy;
            }
            else {
                // make dupcount copies of the next byte
                i++;
                for (int j = 0; j < 1 - (int)(dupCount); j++) {
                    baos.Write(b[i]);
                }
            }
        }
        return baos.ToArray();
    }
}

这看起来非常像Java版的iText 7，这并不奇怪，因为.Net代码的iText 7几乎完全是相应Java代码的自动化翻译。

不幸的是，这里的自动翻译忽略了Java和.Net之间的根本区别：Java类型byte表示带符号字节，.Net类型byte表示无符号字节。

因此，在Java中， dupCount >= 0仅对于0x00..0x7f为true，但对于0x80..0xff为false。 在.Net中，这始终是正确的。

因此，.Net（因此不再与PDF RLE定义相对应）中完全忽略了Java（与PDF RLE定义相对应）中这些字节值范围的不同解释。 这将导致iText 7 for .Net甚至无法正确识别嵌入式图像数据的范围 。

由于OP共享的PDF页面内容流包含许多内联图像，所有（或至少大部分）内联图像都使用游程长度编码，因此此iText 7 for .Net错误使它无法理解最终导致异常的内容由OP观察。

OP还提到对于iText 5不会发生此问题。 查看iText 5 .Net代码，您会发现在那里使用了.Net类型sbyte （带符号的字节）（例如，此答案中引用的代码 ）。 因此，iText 5 .Net代码至少可以正确识别嵌入式图像数据的范围，因此它不会因异常而失败。

在iText 5和iText 7代码中仍然存在该引用答案中解释的错误，但是由于OP对此类嵌入式图像不感兴趣，因此该错误不会打扰他。