PDFBox 3.0.4处理带表单PDF文件时出现内容丢失问题

问题说明 #

用PDFBox处理一份带表单的PDF文件，仅执行打开文件并另存为新文件的操作，原文档就会丢失3页内容。

复现代码 #

public static void main(String[] args) {
        File pdfFile = new File("C:\\Users\\Test\\Documents\\testForms.pdf");
        
        try (PDDocument document = Loader.loadPDF(pdfFile)) {
            document.save("C:\\Users\\Test\\Documents\\testForms_mod.pdf");
            
        } catch (IOException ex) {
            Logger.getLogger(Test.class.getName()).log(Level.SEVERE, null, ex);
        }
}

原因分析与解决办法 #

• 核心原因：该PDF大概率使用了动态XFA表单（XML Forms Architecture），PDFBox对XFA表单的原生支持有限，默认加载逻辑不会处理XFA关联的页面内容，导致保存时丢失对应页面。
• 解决办法1：开启XFA加载支持
  加载PDF时设置加载选项，明确启用XFA内容的处理：

  public static void main(String[] args) {
          File pdfFile = new File("C:\\Users\\Test\\Documents\\testForms.pdf");
          PDFLoadOptions loadOptions = new PDFLoadOptions();
          loadOptions.setXfaContent(true);
          
          try (PDDocument document = Loader.loadPDF(pdfFile, loadOptions)) {
              document.save("C:\\Users\\Test\\Documents\\testForms_mod.pdf");
              
          } catch (IOException ex) {
              Logger.getLogger(Test.class.getName()).log(Level.SEVERE, null, ex);
          }
  }
  

• 解决办法2：转换为AcroForm表单
  如果不需要保留XFA动态表单特性，可以先用Adobe Acrobat等工具将PDF转换为静态AcroForm表单，再用PDFBox处理，避免页面丢失。
• 解决办法3：升级PDFBox版本
  旧版本PDFBox对XFA的支持存在较多缺陷，更换为最新稳定版可解决部分兼容性问题。

内容的提问来源于stack exchange，提问作者rampunseng