PDFBox 2.0.19读取客户PDF报错：引用长度对象类型错误求助

这个PDF文件不符合PDF规范，其中编号为9的对象被错误定义为字典格式<< 4476 >>，但按照PDF标准，流对象的Length属性对应的对象必须是数字或指向数字对象的引用。普通PDF阅读器自带容错机制能忽略这类错误，但PDFBox的解析逻辑更严格，因此触发了Wrong type of referenced length object异常。

方法一：手动修复PDF文件 #

直接修改错误的对象定义：

• 用文本编辑器（如Notepad++）打开PDF文件，找到9 0 obj << 4476 >> endobj这一行
• 将其修改为9 0 obj 4476 endobj，保存后再用PDFBox读取即可正常解析

方法二：自定义PDFBox解析逻辑添加容错 #

如果无法修改源文件，可以通过重写PDFBox的解析类来处理这种异常情况：

1. 继承COSParser类，重写getLength方法
2. 在方法中增加判断：当遇到类型为COSDictionary的Length对象时，尝试提取字典中的数字值作为长度
   示例代码：

public class TolerantCOSParser extends COSParser {
    public TolerantCOSParser(RandomAccessRead source) throws IOException {
        super(source);
    }

    @Override
    protected long getLength(COSBase lengthObject) throws IOException {
        if (lengthObject instanceof COSDictionary) {
            COSDictionary dict = (COSDictionary) lengthObject;
            // 提取字典中的数字值，这里假设字典内只有一个数字项
            for (COSBase value : dict.values()) {
                if (value instanceof COSInteger) {
                    return ((COSInteger) value).longValue();
                }
            }
            // 如果提取失败，再抛出原异常
            throw new IOException("Wrong type of referenced length object: " + lengthObject);
        }
        return super.getLength(lengthObject);
    }
}

之后使用自定义的解析器来加载PDF：

try (RandomAccessFile raf = new RandomAccessFile("your-file.pdf", "r");
     RandomAccessRead source = new RandomAccessFileRAF(raf)) {
    TolerantCOSParser parser = new TolerantCOSParser(source);
    parser.parse();
    COSDocument cosDoc = parser.getDocument();
    PDDocument document = new PDDocument(cosDoc);
    // 后续操作
} catch (IOException e) {
    e.printStackTrace();
}

方法三：升级PDFBox到最新版本 #

检查PDFBox的最新版本是否已针对这类容错场景做了优化，升级到最新稳定版后可能无需额外处理即可读取该文件。

内容的提问来源于stack exchange，提问作者lin