使用PDFBox 2/3填充XFA表单的代码修复及XML格式问题咨询

问题1：最新版PDFBox适配修改验证 #

你做的三处修改完全符合PDFBox 3.x的API变更规则，是正确的：

• PDFBox 3.x针对增量更新场景调整了COSWriter的构造逻辑，确实需要显式声明Set<COSDictionary>类型的待写入对象集合
• 替换为RandomAccessReadBuffer是正确的，PDFBox 3.x废弃了原有RandomAccessBuffer类，统一使用该类处理内存字节流的随机读取
• 将修改后的dataSetsStream加入待写入集合的操作符合增量更新规则，只有加入该集合的对象变更才会被写入最终PDF

额外补充注意项：

• PDFBox 3.x将XFA相关功能拆分到了独立的pdfbox-xfa模块，需要单独引入该依赖，否则会出现类缺失报错
• 注意所有PDFBox相关类的导入包路径是否正确，3.x核心类都在org.apache.pdfbox.*包下，不要误导入2.x的旧包路径

问题2：XFA填充XML格式要求与示例 #

你提供的XML结构存在明显语法错误，是导致PDF损坏的核心原因：当前代码里只写了</dd:dataDescription>闭合标签，没有对应的起始标签，XML解析失败会导致XFA数据写入异常。

标准XFA数据集XML结构要求 #

1. 根节点<xfa:datasets>必须携带正确的xfa命名空间声明
2. 可选包含<dd:dataDescription>节点（需携带dd命名空间声明），用于定义字段数据结构，该节点结构必须和目标PDF内置的XFA表单结构完全一致
3. 必选包含<xfa:data>节点，内部字段层级必须和XFA表单的字段层级一一对应，不能自定义节点层级

格式示例 #

<xfa:datasets xmlns:xfa="http://www.xfa.org/schema/xfa-data/1.0/"
              xmlns:dd="http://ns.adobe.com/data-description/1.0/">
    <!-- 数据结构定义，建议直接从目标XFA表单导出的原始数据集里复制，无需修改 -->
    <dd:dataDescription>
        <dd:dataRoot name="formData">
            <dd:element name="companyName" type="string"/>
            <dd:element name="contactPerson" type="string"/>
            <dd:element name="contactPhone" type="string"/>
        </dd:dataRoot>
    </dd:dataDescription>
    <!-- 实际填充的字段值，仅修改此处的字段内容即可 -->
    <xfa:data>
        <formData>
            <companyName>XX科技有限公司</companyName>
            <contactPerson>张三</contactPerson>
            <contactPhone>138XXXX1234</contactPhone>
        </formData>
    </xfa:data>
</xfa:datasets>

实操建议 #

可以先从空白的目标XFA表单中导出原始的datasets XML文件，仅修改<xfa:data>节点内的字段值，不要修改命名空间、结构定义以及字段层级，避免出现结构不匹配的问题。

内容的提问来源于stack exchange，提问作者Miyagi