使用Apache PDFBox for Android提取PDF的.jp2图片无法识别如何解决

问题根因 #

Apache PDFBox for Android 核心库默认未内置JPEG2000（.jp2）格式的解析适配模块，同时你当前的遍历逻辑未覆盖嵌套在Form XObject中的图片，两个因素共同导致无法识别到.jp2格式的图片。

可行解决方案 #

1. 补充JPEG2000格式支持依赖 #

PDFBox官方提供了适配Android端的JP2解析组件，在你的build.gradle中添加如下依赖即可：

dependencies {
    // 确保PDFBox核心库版本不低于2.0.27
    implementation 'com.tom_roush:pdfbox-android:2.0.27.0'
    // 添加JPEG2000格式支持
    implementation 'com.tom_roush:pdfbox-android-jpeg2000:2.0.27.0'
}

注意不要使用桌面版的jai-imageio系列依赖，该类库不兼容Android运行环境。

2. 完善图片遍历逻辑，支持递归查找嵌套图片 #

部分PDF中的图片会内嵌在Form XObject容器内，你的当前代码仅遍历了一级XObject，会漏掉这部分图片，优化后的遍历代码如下：

private void extractImagesFromResources(PDResources resources) throws IOException {
    for (COSName c : resources.getXObjectNames()) {
        PDXObject xObject = resources.getXObject(c);
        if (xObject instanceof PDImageXObject) {
            PDImageXObject image = (PDImageXObject) xObject;
            // 你的原有图片处理逻辑
            // 可以通过image.getSuffix()判断是否为jp2格式
            if ("jp2".equals(image.getSuffix())) {
                // 单独处理JP2格式图片
            }
        } else if (xObject instanceof PDFormXObject) {
            // 递归遍历Form XObject中的资源
            extractImagesFromResources(((PDFormXObject) xObject).getResources());
        }
    }
}

// 页面调用处代码
PDResources res = page.getResources();
extractImagesFromResources(res);

3. 特殊场景兜底处理 #

如果添加依赖后仍识别不到JP2格式的图片，可以手动校验COS对象的解码标识判断：

if (xObject.getCOSObject().containsKey(COSName.FILTER)) {
    COSBase filter = xObject.getCOSObject().getDictionaryObject(COSName.FILTER);
    // JP2格式对应的解码标识为JPXDecode
    if (COSName.JPX_DECODE.equals(filter) || 
        (filter instanceof COSArray && ((COSArray) filter).contains(COSName.JPX_DECODE))) {
        PDImageXObject jp2Image = new PDImageXObject(xObject.getCOSObject(), resources);
        // 后续处理逻辑
    }
}

4. 额外注意事项 #

• JP2格式图片普遍体积较大，所有图片处理逻辑必须放在子线程执行，避免触发Android主线程阻塞或OOM异常
• 处理JP2图片前可以先调用image.getWidth()、image.getHeight()获取尺寸，按需压缩后再加载到内存

内容的提问来源于stack exchange，提问作者Mahe Farkhar