Apache PdfBox 2.0.8：PDF原始字节转String后存文件空白问题求解

问题根源：二进制数据不能直接转普通String #

PDF是二进制格式文件，里面包含大量非文本字节（比如字体二进制流、图像数据、压缩的页面内容等）。当你把PDF的字节数组直接用new String(byte[])转换时，JVM会使用平台默认的字符编码（比如UTF-8）去解码这些字节，但很多PDF字节并不符合该编码的规则，无法被正确解析为字符。这时JVM会把无法解码的字节替换成占位符（比如�），导致原始字节信息永久丢失。当你再把这个String转回字节数组写入文件时，字节已经和原始PDF不一样了，自然会生成空白或损坏的PDF。

正确的解决方案：用Base64编码存储二进制数据 #

如果必须把PDF数据转换成String类型（比如要存到数据库、通过文本接口传输等），应该使用Base64编码——它能把任意二进制数据转换成纯文本的字符串，且不会丢失任何信息。需要还原PDF时，再把Base64字符串解码回字节数组即可。

代码示例：PDF转Base64 String

import org.apache.pdfbox.pdmodel.PDDocument;
import java.io.ByteArrayOutputStream;
import java.util.Base64;

public class PdfUtils {
    // 将PDDocument转换为Base64编码的String
    public static String convertPdfToBase64String(PDDocument document) throws Exception {
        ByteArrayOutputStream outputStream = new ByteArrayOutputStream();
        document.save(outputStream);
        byte[] pdfBytes = outputStream.toByteArray();
        // 使用Base64编码器将二进制字节转为字符串
        return Base64.getEncoder().encodeToString(pdfBytes);
    }
}

代码示例：Base64 String转回PDF文件

import java.io.FileOutputStream;
import java.util.Base64;

public class PdfUtils {
    // 将Base64字符串转回PDF文件
    public static void convertBase64StringToPdf(String base64Pdf, String outputFilePath) throws Exception {
        byte[] pdfBytes = Base64.getDecoder().decode(base64Pdf);
        try (FileOutputStream fos = new FileOutputStream(outputFilePath)) {
            fos.write(pdfBytes);
        }
    }
}

额外建议 #

如果没有必须转成String的需求，建议直接操作字节数组，跳过编码转换步骤——这样不仅效率更高，还能避免编码错误带来的问题。比如直接把ByteArrayOutputStream的字节写入文件：

document.save(new FileOutputStream("output.pdf"));

内容的提问来源于stack exchange，提问作者iperezmel78