PDFBox 3.0.0 Splitter类空指针异常求助及规避方案咨询

问题根源 #

你遇到的NPE是因为COSArray.getIndirectObjectKeys方法遍历内部数组时，碰到了cosBase为null的元素，直接调用getKey()触发了空指针；另外这个方法只检查了indirectObjects是否为null，没处理它是空数组的情况，双重问题导致异常。

可行的规避方法 #

• 先修复PDF文件结构
  用PDFBox自带的PDFMergerUtility把有问题的PDF合并一遍（哪怕是单个文件合并成自己），能自动清理无效的COS对象引用。代码示例：

  PDFMergerUtility merger = new PDFMergerUtility();
  merger.addSource("problem-file.pdf");
  merger.setDestinationFileName("fixed-file.pdf");
  merger.mergeDocuments(null);
  

  用修复后的文件再拆分，大概率能解决null引用的问题。

• 自定义Splitter做安全校验
  继承Splitter类，在处理页面时手动过滤掉COS数组里的null元素。示例代码：

  public class SafeSplitter extends Splitter {
      @Override
      protected void processPage(PDPage page, int pageNumber) throws IOException {
          COSDictionary pageDict = page.getCOSObject();
          for (COSName key : pageDict.keySet()) {
              COSBase value = pageDict.getObject(key);
              if (value instanceof COSArray) {
                  COSArray array = (COSArray) value;
                  Iterator<COSBase> iter = array.iterator();
                  while (iter.hasNext()) {
                      if (iter.next() == null) {
                          iter.remove();
                      }
                  }
              }
          }
          super.processPage(page, pageNumber);
      }
  }
  

  之后用这个SafeSplitter替代原生的Splitter执行拆分逻辑。

• 升级PDFBox版本
  查一下PDFBox 3.0.x的后续更新，官方可能已经修复了这个bug。如果有修复版，直接升级是最省心的方案。

应急处理 #

要是上面的方法都走不通，试试用其他工具把PDF转成PDF/A再转回普通PDF，或者换个第三方PDF库先预处理文件，确保COS对象结构合法后再用Splitter拆分。

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