使用pdfbox将pdf转换为png时文本周围的红色区域

Question

我正在尝试使用 pdfbox 将 pdf 文件转换为 png 文件。不幸的是，结果我在输出的某些地方出现了奇怪的红色区域。我不确定是什么问题。只有部分pdf文件有问题。

这是我正在使用的一些代码：

    public static BufferedImage generateFromPdf(String ref, InputStream stream, int pageIndex, PreviewMode mode) throws IOException {
        PDDocument doc = null;
        try (InputStream buffered = new BufferedInputStream(stream)) {
            doc = PDDocument.load(buffered, PDF_LOADING_MEMORY_SETTING);
            if (pageIndex > doc.getNumberOfPages()) {
                return null;
            }
            PDFRenderer renderer = new PDFRenderer(doc);
            return rasterizePdfBox(ref, pageIndex, renderer, mode);
        } finally {
            if (doc != null) {
                doc.close();
            }
        }
    }

然后：

    private static BufferedImage rasterizePdfBox(String ref, int pageIndex, PDFRenderer renderer, PreviewMode mode) throws IOException {
        Future<BufferedImage> result = executorService.submit(() -> {
            LOGGER.info(String.format("Generate preview for ref: %s, page: %s, mode: %s ", ref, pageIndex, mode.name()));
            return renderer.renderImageWithDPI(pageIndex - 1, mode.getDpi(), ImageType.RGB);
        });

        try {
            return result.get();
        } catch (InterruptedException | ExecutionException e) {
            LOGGER.error(String.format("Error when generating preview: %s", e.getMessage()));
            Thread.currentThread().interrupt();
            throw new IOException(e.getMessage());
        }
    }

到目前为止，我只发现当我在 linux 上的 Master PDF editor 中打开它们时，输出中红色的地方是空白的。尽管当我用 Document Viewer.

打开它们时，它们看起来很正常

一些提示： - 扫描了有问题的 pdf。我可以在工作部件周围 select 文本，但不能在有红色覆盖的地方。也许这与 OCR 问题有关？ - 如果我使用 linux 工具 convert not-working-pdf.pdf converted.pdf 然后尝试将此文件转换为 png，那么问题就不再存在了。

这是一个示例文件：https://ufile.io/3or9l

pdfbox版本：2.0.13

Answer 1

这是一个 PDFBox 错误，原因是带有遮罩的双色调图像，这是不寻常的。光栅中只有一个颜色元素，因此仅应用 "R" 而不是 RGB 目标的所有 3 个。因此，白色显示为红色。

有关此问题的更多详细信息 PDFBOX-4470, it will be fixed in release 2.0.14. Until then, you can work with a snapshot。

使用pdfbox将pdf转换为png时文本周围的红色区域

Red areas around text when converting a pdf to png with pdfbox

java

pdf

pdfbox