使用Docx4j转换DOCX到PDF时遭遇StringIndexOutOfBoundsException异常

从异常栈信息可以明确，问题并非字体映射导致，而是DOCX文档中存在格式非法的语言（Lang）属性，触发了org.docx4j.model.properties.run.Lang.setXslFO方法中的字符串索引越界错误——代码尝试从长度为2的字符串中截取begin 0, end -1的子串，说明文档内的语言代码为空、格式不符合标准（如缺少地区码且逻辑处理错误）或包含无效字符。

1. 修复源DOCX文件的语言设置 #

打开异常对应的DOCX文件，统一修正语言配置：

• 全选文档内容，右键打开「字体」设置面板，检查「语言」选项，设置为合法的标准语言代码（如zh-CN、en-US），避免留空或使用无效值。
• 也可通过Word「审阅」选项卡→「语言」功能，统一设置文档默认语言。

2. 代码层面拦截非法Lang属性 #

若无法修改源文件，可在加载文档后主动清理非法的Lang属性：

// 加载文档后执行此段代码
MainDocumentPart mainPart = wordMlPackage.getMainDocumentPart();
// 遍历所有文本Run元素
List<Object> runs = mainPart.getJAXBNodesViaXPath("//w:r", false);
for (Object runObj : runs) {
    if (runObj instanceof R run) {
        RPr rPr = run.getRPr();
        if (rPr != null && rPr.getLang() != null) {
            String langVal = rPr.getLang().getVal();
            // 过滤空值、长度不足2的非法语言代码
            if (langVal == null || langVal.trim().length() < 2) {
                rPr.setLang(null);
            }
        }
    }
}

3. 升级Docx4j版本 #

该问题可能是Docx4j的已知bug，尝试升级至最新稳定版（如3.3.7及以上），新版本大概率修复了Lang属性的解析逻辑漏洞。

1. 应用上述任一方案后重新执行转换代码。
2. 若异常消失，说明问题已解决；若仍报错，需排查文档中是否存在其他格式非法的元素。

内容的提问来源于stack exchange，提问作者user18336444