从PDF提取XML并JAXB反序列化报错：Buffer already closed（OpenShift环境）

本地IntelliJ运行正常，但部署到OpenShift集群的JAR包执行时，通过Apache PDFBox从PDF提取XML片段后，JAXB反序列化失败，报错java.io.IOException: Buffer already closed。

具体流程：从PDF中提取得到List<myObject>，后续通过JAXB完成反序列化，核心代码如下：

创建Unmarshaller的代码 #

try {
      JAXBContext context = JAXBContext.newInstance(typeClasse.getClass());
      Unmarshaller unmarshaller = context.createUnmarshaller();
      SchemaFactory factory = SchemaFactory.newInstance(XMLConstants.W3C_XML_SCHEMA_NS_URI);
      String xsdFilePath = getXSD();
      Schema schema = factory.newSchema(this.getClass().getResource("/" + xsdFilePath));
      unmarshaller.setSchema(schema);
      unmarshaller.setEventHandler(event -> false);
      return unmarshaller;
    } catch (JAXBException | SAXException e) {
      throw new UnmarshallException(e);
    }

其中typeClasse是反序列化的目标类，getXSD()返回资源文件夹中xsd目录下的根XSD文件路径（如"xsd/myparentXSD.xsd"），该XSD已引入同目录下其他XSD。

流式处理List的代码 #

myList.stream()
        .map(myObject -> unmarshallFichier(myObject, unmarshaller))
        .collect(Collectors.toList());

反序列化方法实现 #

try {
  StreamSource stream = new StreamSource(myObject);
  JAXBElement<?> jaxbElement = unmarshaller.unmarshal(stream, typeClasse.getClass());
  return (T) jaxbElement.getValue();
} catch (JAXBException e) {
  throw new UnmarshallException(e);
}

排查方向与解决方案 #

1. Unmarshaller线程安全问题 #

JAXB的Unmarshaller实例不是线程安全的，流式处理stream().map(...)在OpenShift环境可能默认启用并行执行，多个线程共用同一个Unmarshaller会导致资源（Buffer）被提前关闭的冲突，本地环境可能因单线程执行未触发问题。

• 解决方案：在map方法内部每次创建新的Unmarshaller实例，或者显式指定串行流（stream().sequential().map(...)），规范做法是避免复用Unmarshaller。

2. 类加载器与XSD资源加载异常 #

OpenShift中JAR包的类加载器和本地IDE存在差异，this.getClass().getResource("/" + xsdFilePath)可能无法正确加载XSD依赖文件（XSD内部引入的同目录文件），间接导致Unmarshaller处理时Buffer异常。

• 解决方案：
  • 改用getResourceAsStream加载XSD，或使用SchemaFactory.newSchema(Source[])显式传入所有依赖的XSD Source，避免依赖自动加载；
  • 确认Maven/Gradle打包配置，确保src/main/resources/xsd下的所有XSD文件都被正确打入JAR包。

3. PDFBox提取的流提前关闭 #

从PDF提取的myObject如果是InputStream类型，OpenShift环境中PDFBox的资源管理可能更严格，导致流被隐式关闭，反序列化时流已不可用。

• 解决方案：
  • 提取XML片段时，将流内容复制到内存（如ByteArrayInputStream），再传入反序列化方法，避免直接使用PDFBox返回的原始流；
  • 检查PDFBox代码，确保提取XML片段后流未被提前关闭。

内容的提问来源于stack exchange，提问作者Broshet