[英]Error Merging Large PDF Files with PDFBox - Missing end of file marker '%%EOF'
我已经使用InputStreams
使用PDFBox成功实现了pdf合并解决方案。 但是,当我尝试合并非常大的文档时,出现以下错误:
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,它在非常大的文件中找不到'%%EOF'
标记。 现在我知道它确实存在,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后,我发现COSParser
类上有一个setEOFLookupRange()
方法。 我想知道查询范围是否太小,这就是为什么它找不到'%%EOF'
标记的原因。 问题是...我的代码中根本没有使用COSParser
对象。 我只使用PDFMergerUtility
类。 PDFMergerUtility
似乎在COSParser
使用COSParser
。
所以我的问题是
EOFLookupRange
假设正确吗? PDFMergerUtility
而不包含COSParser
对象的范围? 非常感谢您的宝贵时间!
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;
}
我怀疑这是InputStream
的问题。 这并不是我真正想的,但基本上我是在(非常错误)的假设下做出这样的假设:
pdfStream = connection.getInputStream();
/* ... */
merger.addSource(pdfStream);
当然,这将无法正常工作,因为可能会读取或可能不会读取整个InputStream
。 需要显式读取它,直到到达最后一个-1字节为止。 我很确定在较小的文件上它可以正常工作,并且实际上可以在整个流中读取,但是在较大的文件上,它根本没有达到目的...因此找不到%%EOF
标记。
解决方案是使用中间的ByteArrayOutputStream
,然后通过ByteArrayInputStream
将其转换回InputStream
。
因此,如果您替换以下代码行:
pdfStream = connection.getInputStream();
上面的代码:
final ByteArrayOutputStream byteArrayOutputStream = new ByteArrayOutputStream();
int c;
while ((c = connection.getInputStream().read()) != -1) {
byteArrayOutputStream.write(c);
}
pdfStream = new ByteArrayInputStream(byteArrayOutputStream.toByteArray());
您将得到一个可行的示例。
我可能最终会将其更改为实现,以改为使用Pipes或Circular Buffers ,但是至少目前为止这是可行的。
尽管这不一定是Java 101错误,但它更像是Java 102错误,仍然很可耻。 :/希望它会帮助别人。
感谢@Tilman Hausherr和@Master_ex提供的所有帮助!
我看了一下代码,发现EOFLookupRange
中的默认COSParser
为2048
字节 。
我认为您的假设是正确的。
展望PDFParser
延伸的COSParser
,是由内部使用的解析器PDFMergerUtility
我看到它,可以设置其他EOFLookupRange
通过使用系统属性 。 系统属性名称是org.apache.pdfbox.pdfparser.nonSequentialPDFParser.eofLookupRange
,它应该是有效的整数。
这是一个演示如何设置系统属性的问题。
我没有测试以上内容,但我希望它能起作用:)
PDFBox代码的链接使用的是2.0.11版本。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.