使用iText的PdfAcroForm.GetAllFormFields获取PDF表单数据结果异常

我有一份strangeform.pdf文件，使用iText 8.0.3版本的C#代码提取表单数据时，发现字段T50-1的提取值与PDF表单外观显示的预期值不符，具体情况如下：

使用的提取代码 #

using iText.Forms.Fields;
using iText.Forms;
using iText.Kernel.Pdf;
using System.Text;

PdfDocument pdfDoc = new PdfDocument(new PdfReader(@"strangeform.pdf"));
PdfAcroForm form = PdfFormCreator.GetAcroForm(pdfDoc, true);
StringBuilder stringBuilder = new StringBuilder();
var data = form.GetAllFormFields();
foreach (var field in data)
{
    if (!string.IsNullOrEmpty(field.Value.GetValueAsString()))
        stringBuilder.AppendLine($"{field.Key},{field.Value.GetValueAsString()}");
}
Console.WriteLine(stringBuilder.ToString());
Console.ReadKey();

提取结果 #

T36,楊宏章
T37,hello
T50-2,123楊宏章
T50-1,楊宏章123ab

其中字段T50-1的提取值为楊宏章123ab，但PDF表单外观显示的预期值是12楊宏章123。

问题根源判断 #

这种情况大概率是PDF文件本身的问题，核心原因是PDF表单的底层存储值与外观显示内容是相互独立的两个部分：

• iText的GetValueAsString()方法是严格按照PDF规范读取字段的/V（Value）条目，也就是表单字段的底层存储数据，这是标准的表单数据提取逻辑，符合PDF规范，一般不会是iText的bug。
• 当PDF表单被编辑后，如果没有同步更新字段的底层存储值，或者外观流（/AP字典内容）被手动修改但未同步底层数据，就会出现「显示值与提取值不一致」的情况。

验证方法 #

用Adobe Acrobat打开该PDF，进入表单编辑模式：

1. 如果Acrobat中编辑框内的实际内容与iText提取的楊宏章123ab一致，说明PDF的底层存储值和外观显示流未同步，属于PDF本身的问题；
2. 如果Acrobat中显示的内容与外观一致但编辑时实际内容不符，同样证明是PDF的外观流与存储值脱节导致的问题。

内容的提问来源于stack exchange，提问作者hjyanghj