PDFBox调用getPage()抛出1-based index not found:2异常的解决方法

安全阿岳

2026-7-22

解决PDFBox解析PDF仅能加载第一页的问题

问题原因

你的PDF文件页面树结构存在损坏，包含无效的页面条目（对应警告COSDictionary expected, but got null），导致PDFBox 2.0.27无法正确解析后续页面。其他阅读器能正常加载是因为它们的容错机制更强，而PDFBox对格式问题的校验更严格。

解决方案

1. 升级PDFBox版本

2.0.27是较旧的版本，后续的2.x稳定版（如2.0.32及以上）修复了大量页面树解析的bug，增强了容错处理。直接升级依赖版本，大概率能解决该问题。

2. 修复PDF文件结构

使用工具重建PDF的页面树，去除无效条目：

Adobe Acrobat：打开PDF后选择「文件」→「另存为」，保存为新的PDF文件。Acrobat会自动修复部分结构问题。
Ghostscript命令行：执行以下命令生成修复后的PDF：
```
gs -o repaired.pdf -sDEVICE=pdfwrite -dPDFSETTINGS=/original input.pdf
```
之后用修复后的repaired.pdf进行解析。

3. 自定义遍历逻辑跳过无效页面

如果升级或修复后仍有问题，可以在代码中捕获异常，跳过无法加载的页面：

PDDocument pdDocument = PDDocument.load("filePath", MemoryUsageSetting.setupTempFileOnly());
PDPageTree pageTree = pdDocument.getPages();
int totalPages = pageTree.getCount();
for (int i = 0; i < totalPages; i++) {
    try {
        PDPage page = pageTree.get(i);
        // 页面处理逻辑
    } catch (IllegalStateException e) {
        System.err.printf("跳过无效页面：第%d页%n", i + 1);
        // 可添加日志记录逻辑
    }
}
pdDocument.close();