Java中PDFBox的setLenient解析PDF是否安全？是否会丢信息？

一、setLenient的工作原理 #

• 严格模式（setLenient(false)）：PDFParser会严格遵循PDF官方规范校验文件结构完整性。一旦检测到不符合规范的问题（比如你遇到的XREF for 5:0 points to wrong object: 4:0 at offset 1013093，属于交叉引用表条目指向错误对象的结构错误），会直接抛出异常终止解析流程。
• 容错模式（setLenient(true)）：Parser会忽略部分非致命的结构违规，通过启发式恢复逻辑尝试绕过错误点。比如遇到交叉引用表错误时，它可能会从文件其他位置（如对象流、文件尾部trailer信息）重新定位正确对象，继续完成剩余内容的解析。

二、使用setLenient的安全性与信息丢失风险 #

安全性 #

• 若仅用于读取PDF常规内容（文本、图片、普通排版信息），开启容错模式是安全的，它不会执行恶意逻辑，仅针对结构错误做容错处理。
• 但在电子签章验证、法律文件归档这类对合规性要求极高的场景，容错模式可能会忽略影响文件完整性的关键错误，导致解析结果不符合原始文件的规范定义，不建议使用。

信息丢失风险 #

• 多数情况下，能被容错模式处理的错误（如你遇到的交叉引用表小错误）不会导致信息丢失。Parser会通过替代路径定位对象，完整提取可用内容。
• 若PDF核心结构严重损坏（如关键对象被篡改、缺失），即使开启容错模式也可能无法恢复对应部分内容，进而造成信息丢失，但这类极端情况相对少见。

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