PDF Box getXObjectNames() 無法識別我的 PDF 上的條形碼，但它可以識別我從互聯網上獲取的 PDF 文件中的條形碼

Question

我正在嘗試使用getXObjectNames()從我的 PDF 中獲取和讀取條形碼。

• 我的代碼與此鏈接非常相​​似： https : //issues.apache.org/jira/browse/PDFBOX-2124

如果你看到上面的 JIRA 項目，你會看到一個 PDF 文件附在它上面。 當我在該 PDF 文件上運行代碼時，我得到了所需的輸出（即打印了條形碼類型。）

但是，當我在 PDF 上運行它時，它無法識別其中的條形碼。 （我已經檢查過條形碼實際上是圖像而不是文本。）

此外，它聽起來不可思議，但它在我的PDF曾經做過的工作，從那時起，我還沒有做出任何改變，但它絕對不會現在的工作。 （由於某種原因，我無法共享 PDF。）

有沒有人遇到過類似的問題？

這也是我關於 Stack Overflow 的第一個問題。 如果我在任何地方錯了，請告訴我。

這是該 pdf 的鏈接： https : //drive.google.com/file/d/1PzVApIePg4U9XL399BpAd2oeY6Q2tLEB/view? usp =drivesdk

Answer 1

一般來說

由於您沒有顯示您的代碼，而只是將其描述為與PDFBOX-2124 中的代碼非常相似，並且正如您所說，由於某種原因您無法共享 PDF，因此我只有該代碼要分析。 因此，我無法說出真正的問題，而只是列舉了一些可能的問題

首先，該代碼僅檢查給定頁面的直接資源以獲取位圖圖像：

PDResources pdResources = pdPage.getResources();

Map<String, PDXObject> xobjects = (Map<String, PDXObject>) pdResources.getXObjects();
if (xobjects != null)
{
    for (String key : xobjects.keySet())
    {
        PDXObject xobject = xobjects.get(key);
        if (xobject instanceof PDImageXObject)
        {
            PDImageXObject imageObject = (PDImageXObject) xobject;
            String suffix = imageObject.getSuffix();
            if (suffix != null)
            {
                BufferedImage image = imageObject.getImage();
                extractBarcodeArrayByAreas(image, this.maximumBlankPixelDelimiterCount);
            }
        }
    }
}   

（ PDFBOX-2124 PdPageBarcodeScanner方法scsan ）

位圖圖像也可以存儲在其他地方，例如

• 在頁面上使用的表單 xobjects、patterns 或 Type 3 字體的單獨資源中； 要找到它們，也必須檢查其他頁面資源，甚至遞歸地檢查，因為圖像可能是頁面上使用的表單 xobject 中使用的模式的資源；
• 在頁面注釋的單獨資源中； 因此，我們也必須遞歸到注釋資源中；
• 內聯在某些內容流中； 因此，還必須搜索頁面本身的內容流、頁面資源（遞歸）以及頁面注釋及其資源（遞歸）。

此外，位圖可能以 PDFBox 不知道如何導出為BufferedImage某種格式（特別是某些顏色空間）給出。

此外，可以使用應用於純黑色位圖的一些掩碼構建條形碼，在這種情況下，您的代碼可能只會嘗試掃描該純黑色圖像。

此外，你說

我已經檢查過條形碼實際上是圖像而不是文本。

如果只檢查條碼不是文本，那么它可能不僅是位圖圖像，還可以通過矢量圖形指令繪制。 因此，您還必須檢查所有內容流中是否有繪制條碼的矢量圖形指令。

也可能有組合，例如在繪制純黑色內聯位圖圖像等時，矢量圖形的軟掩碼可能處於活動狀態。

而且我確定我在這里錯過了許多選項。

---

作為下一步，您可能想要分析無法共享的PDF，以了解該條碼的繪制方式。

或者，您可以將頁面呈現為位圖圖像並使用 zxing 在該大位圖中搜索條形碼。

---

Sample PDF.pdf

您提供了一個示例 PDF 的鏈接。 所以我嘗試使用與PDFBOX-2124非常相似的代碼提取條形碼。 顯然，那里的代碼是用於某些 PDFBox 2.0.0-SNAPSHOT 的，因此必須對其進行一些更正。 特別是您在問題標題中提到的方法getXObjectNames()最后被使用：

PDResources pdResources = pdPage.getResources();
int index = 0;

for (COSName name : pdResources.getXObjectNames()) {
    PDXObject xobject = pdResources.getXObject(name);
    if (xobject instanceof PDImageXObject)
    {
        PDImageXObject imageObject = (PDImageXObject) xobject;
        String suffix = imageObject.getSuffix();
        if (suffix != null)
        {
            BufferedImage image = imageObject.getImage();

            File file = new File(RESULT_FOLDER, String.format("Sample PDF-1-%s.%s", index, imageObject.getSuffix()));
            ImageIO.write(image, imageObject.getSuffix(), file);
            index++;
            System.out.println(file);
        }
    }
}

（ ExtractImages測試testExtractSamplePDFJayshreeAtak ）

輸出：一張位圖圖像導出為“示例 PDF-1-0.tiff”，如下所示：

因此，我無法重現您的問題

PDF Box getXObjectNames() 無法識別我的 PDF 上的條形碼，但它可以識別我從互聯網上獲取的 PDF 文件中的條形碼

顯然getXObjectNames()確實返回位圖圖像 xobject 資源的名稱，而 PDFBox 將其導出就好了。

請檢查您的代碼是否如所聲稱的那樣未提取圖像，或者后面的某個步驟是否根本無法處理它。

如果在您的情況下確實沒有提取圖像，

• 更新您的 PDFBox 版本（我使用了當前的開發頭，但最新發布的版本應該返回相同的版本），
• 更新您的 Java，
• 檢查您是否有可能導致麻煩的額外 JAI jar。

如果在您的情況下，圖像被提取但未按預期被后續代碼分析，

• 更徹底地調試以找出分析失敗的地方，
• 在這里創建一個新問題，重點是二維碼圖像分析，
• 並提供足夠的代碼和 tiff 文件以允許人們實際重現問題。