Java 1.8+PDFBox 2.0.18添加PDF/A合规元数据失败求助

我刚好在PDFBox 2.x版本里处理过一模一样的PDF/A元数据问题，给你一个经过验证的完整代码示例，同时帮你拆解之前踩过的坑：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDDocumentCatalog;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.common.PDMetadata;
import org.apache.pdfbox.pdmodel.graphics.color.PDDeviceRGB;
import org.apache.xmpbox.XMPMetadata;
import org.apache.xmpbox.schema.DublinCoreSchema;
import org.apache.xmpbox.schema.PDFAIdentificationSchema;
import org.apache.xmpbox.schema.XMPBasicSchema;
import org.apache.xmpbox.xml.XmpSerializer;

import java.io.ByteArrayOutputStream;
import java.io.IOException;

public class PDFAMetadataGenerator {
    public static void main(String[] args) throws IOException {
        // 初始化基础PDF文档（你已有这部分代码，可直接复用）
        try (PDDocument document = new PDDocument()) {
            PDPage page = new PDPage();
            document.addPage(page);
            PDDocumentCatalog catalog = document.getDocumentCatalog();

            // -------------------------- 核心元数据处理部分 --------------------------
            // 1. 创建XMP元数据实例
            XMPMetadata xmpMetadata = XMPMetadata.createXMPMetadata();

            // 2. 添加PDF/A强制要求的标识Schema（以PDF/A-1b为例）
            PDFAIdentificationSchema pdfaSchema = xmpMetadata.createAndAddPFAIdentificationSchema();
            pdfaSchema.setPart(1); // PDF/A版本，1对应PDF/A-1，2对应PDF/A-2
            pdfaSchema.setConformance("B"); // 一致性等级，B为基本级
            pdfaSchema.setAbout(""); // 必须设为空字符串！解决RDF About属性校验失败问题

            // 3. 添加PDF/A必需的基础元数据Schema（缺一不可）
            // Dublin Core Schema：处理标题、作者等核心描述信息
            DublinCoreSchema dcSchema = xmpMetadata.createAndAddDublinCoreSchema();
            dcSchema.setTitle("我的PDF/A测试文档");
            dcSchema.addCreator("Daniel Tung");
            dcSchema.setAbout("");

            // XMP Basic Schema：处理元数据的基础属性（至少要声明该Schema）
            XMPBasicSchema xmpBasicSchema = xmpMetadata.createAndAddXMPBasicSchema();
            xmpBasicSchema.setAbout("");

            // 4. 序列化XMP元数据，正确生成xpacket头
            XmpSerializer serializer = new XmpSerializer();
            ByteArrayOutputStream out = new ByteArrayOutputStream();
            serializer.serialize(xmpMetadata, out, true); // withXpacket必须设为true，生成PDF/A要求的指令头

            // 5. 将XMP元数据导入PDF文档的元数据流容器
            PDMetadata documentMetadata = new PDMetadata(document);
            documentMetadata.importXMPMetadata(out.toByteArray());
            catalog.setMetadata(documentMetadata);
            // -------------------------- 核心元数据处理结束 --------------------------

            // 可选：如果你的文档还没处理颜色空间，添加RGB输出意图（PDF/A-1b要求）
            catalog.setOutputIntents(new PDPage(PDDeviceRGB.INSTANCE).getOutputIntents());

            // 保存文档
            document.save("valid-pdfa.pdf");
        }
    }
}

针对你遇到的错误的具体解释： #

1. "Metadata is not a stream"：
   PDF/A标准强制要求元数据必须以PDF流的形式存储，你最开始没创建PDMetadata容器，直接跳过了这一步，上面代码中PDMetadata documentMetadata = new PDMetadata(document)就是用来创建这个流容器的。

2. "xmp should start with a processing instruction"：
   当你设置serialize(..., false)时，输出的XMP没有包含PDF/A要求的<?xpacket begin="..."?>处理指令头，把第三个参数改成true就能自动生成这个头，符合校验要求。

3. "Schemas not found..."和RDF About属性错误：
   这是最容易踩的坑：

   • PDF/A要求必须同时包含PDF/A Identification、Dublin Core、XMP Basic三个核心Schema，你之前只加了第一个，导致校验时提示缺少Schema；
   • 所有Schema的about属性必须设为空字符串""，否则会触发RDF属性一致性校验失败，这是PDFBox 2.x版本PDF/A校验的硬性要求。

额外提醒： #

• 确保你的依赖里包含xmpbox:2.0.18（和pdfbox版本完全一致），否则会出现兼容性问题；
• 如果你需要生成PDF/A-2b，只需要把pdfaSchema.setPart(1)改成setPart(2)即可，其他逻辑不变；
• 你已经处理了其他校验问题（字体、颜色等），所以这个代码生成的文档应该能通过PDF/A校验。

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