使用 pdfbox 将 pdf 转换为 png 时文本周围的红色区域答案

【问题标题】：Red areas around text when converting a pdf to png with pdfbox使用 pdfbox 将 pdf 转换为 png 时文本周围的红色区域
【发布时间】：2019-01-21 17:15:17
【问题描述】：

我正在尝试使用 pdfbox 将 pdf 转换为 png 文件。不幸的是，结果我在输出的某些地方得到了奇怪的红色区域。我不确定有什么问题。只有部分 pdf 文件有问题。

这是我正在使用的一些代码：

    public static BufferedImage generateFromPdf(String ref, InputStream stream, int pageIndex, PreviewMode mode) throws IOException {
        PDDocument doc = null;
        try (InputStream buffered = new BufferedInputStream(stream)) {
            doc = PDDocument.load(buffered, PDF_LOADING_MEMORY_SETTING);
            if (pageIndex > doc.getNumberOfPages()) {
                return null;
            }
            PDFRenderer renderer = new PDFRenderer(doc);
            return rasterizePdfBox(ref, pageIndex, renderer, mode);
        } finally {
            if (doc != null) {
                doc.close();
            }
        }
    }

然后：

    private static BufferedImage rasterizePdfBox(String ref, int pageIndex, PDFRenderer renderer, PreviewMode mode) throws IOException {
        Future<BufferedImage> result = executorService.submit(() -> {
            LOGGER.info(String.format("Generate preview for ref: %s, page: %s, mode: %s ", ref, pageIndex, mode.name()));
            return renderer.renderImageWithDPI(pageIndex - 1, mode.getDpi(), ImageType.RGB);
        });

        try {
            return result.get();
        } catch (InterruptedException | ExecutionException e) {
            LOGGER.error(String.format("Error when generating preview: %s", e.getMessage()));
            Thread.currentThread().interrupt();
            throw new IOException(e.getMessage());
        }
    }

到目前为止，当我在 Linux 上的 Master PDF editor 打开它们时，我只发现输出中红色的地方是空白的。当我用Document Viewer 打开它们时，它们看起来很正常。

一些提示： - 已扫描有问题的 pdf。我可以选择工作部件周围的文本，但不能选择有红色覆盖的地方。也许这与 OCR 问题有关？ - 如果我使用linux工具convert not-working-pdf.pdf converted.pdf然后尝试将此文件转换为png，那么问题就不再存在了。

这是一个示例文件：https://ufile.io/3or9l

pdfbox 版本：2.0.13

【问题讨论】：

请分享一个样本 pdf，该问题以可重现的方式出现。
似乎存在 PDFBox 将 Mask 应用于图像的问题。在示例文件中，图像 Im1 是带有 Mask 的 DeviceGray JBIG2 图像。红色区域正是应用蒙版后图像的可见区域。移除遮罩后，图像正确呈现为黑白。
issues.apache.org/jira/browse/PDFBOX-4470

标签： java pdf pdfbox

【解决方案1】：

这是一个 PDFBox 错误，原因是带有蒙版的双色调图像，这是不寻常的。光栅中只有一个颜色元素，因此仅应用“R”而不是所有 3 个 RGB 目标。因此，白色显示为红色。

在 issue PDFBOX-4470 中有关此错误的更多详细信息，它将在版本 2.0.14 中修复。在此之前，您可以使用snapshot。

【讨论】：