pdftk Error: Failed to open PDF file:

Question

我正在使用 pdftk 库从 pdf 中提取表单字段。一切都很好运行除了我得到一个 pdf 文件 pdf file link 的问题。导致错误的原因如下

Error: Failed to open PDF file: 
   http://www.uscis.gov/sites/default/files/files/form/i-9.pdf
Done.  Input errors, so no output created.

命令是

root@ri8-MS-7788:/home/ri-8# pdftk http://192.168.1.43/form/i-9.pdf dump_data_fields

同一命令适用于所有其他表单。

尝试 1

我试图将 pdf 加密为不安全的版本，但它产生了同样的错误。这是命令

pdftk http://192.168.1.43/forms/i-9.pdf input_pw foopass output /var/www/forms/un-i-9.pdf

更新

这是我处理这个问题的完整功能

public function Formanalysis($pdfname) 
    {
         $pdffile=Yii::app()->getBaseUrl(true).'/uploads/forms/'.$pdfname;
        exec("pdftk ".$pdffile." dump_data_fields 2>&1", $output,$retval);
        //got an error for some pdf if these are secure 
        if(strpos($output[0],'Error') !== false)
        {
            $unsafepdf=Yii::getPathOfAlias('webroot').'/uploads/forms/un-'.$pdfname;
            //echo "pdftk ".$pdffile." input_pw foopass output ".$unsafepdf;
            exec("pdftk ".$pdffile." input_pw foopass output ".$unsafepdf);
            exec("pdftk ".$unsafepdf." dump_data_fields 2>&1", $outputunsafe,$retval);
            return $outputunsafe ;
            //$response=array('0'=>'error','error'=>$output[0]);
            //return $response;

        }

        //if (strpos($output[0],'Error') !== false){ echo  "error to run" ; }   // this is the option to handle error 
        return $output;

    }

Answer 1

PdfTk 是通过使用 Java (GCJ) 的 GNU 编译器将 an obsolete version of iText 编译为 executable 而创建的工具（PdfTk 未被 iText Group NV 认可） .

我检查了您的 PDF，它使用了两种在创建 PdfTk 时 iText 不支持的技术：XFA 和压缩 cross-reference tables。

后者是导致您出现问题的原因。 PdfTk 希望你的文件像这样结束：

xref
0 7
0000000000 65535 f 
0000000258 00000 n 
0000000015 00000 n 
0000000346 00000 n 
0000000146 00000 n 
0000000397 00000 n 
0000000442 00000 n 
trailer
<</ID [<c8bf0ac531b0fc7b5b9ec5daf0296834><ec4dde54d00305ebbec62f3f6bbca974>]/Root 5 0 R/Size 7/Info 6 0 R>>
%iText-5.4.3
startxref
595
%%EOF

在此代码段中，startxref 标记 xref 的字节偏移量，这是 cross-reference table 开始的位置。此 table 包含 PDF 中所有对象的 byte-offsets。

当您查看您引用的 PDF 时，您会看到它的结尾是这样的：

64 0 obj
<</DecodeParms<</Columns 5/Predictor 12>>/Encrypt 972 0 R/Filter/FlateDecode/ID[<85C47EA3EFE49E4CB0F087350055FDDC><C3F1748360D0464FBA02D711DE864630>]/Info 970 0 R/Length 283/Root 973 0 R/Size 971/Type/XRef/W[1 3 1]>>stream
hÞìÒ±JQÐ™·»7J¢©ÕØ(Xþ„ù »h%¤É¤¶”€mZ+;ÁN,,ÁÆ6 XÁ&‚("î½YŒI‘Bî‡áÎ¼]ö1Áð÷³cfþ‹ûÐÚLî`zÂ„Ýôœùw÷N×X?Ã™kNv`hÁÒj¦G[œiÀå»›œ?b½Än…ÉëàÍþ gY—i7WW‡òj®îÍ°u¸Ò‡Ñ:óÆÛ™ñÎë&'×Ýˆ§ü†ù!ÿñ€ù%,\ácçÙ9˜ì±Þ€S¼Ãd—‰Áy~×.ø¶Åìþßn_˜Ôüw£X9#åxzçgRüüóÙwÝ¡œÄNJ©½’Ú+©½’R{%µWR{%ÿ·á”;`_ z6Ø
endstream
endobj
startxref
116
%%EOF

在这种情况下，startxref 仍然指的是第一个 cross-reference table 开始的地方（它是一个线性化的 PDF），但是交叉引用 table 存储在里面一个对象，并且该对象被压缩（请参阅 stream 和 endstream 关键字之间的乱码）。

压缩 cross-reference tables 和压缩对象在 PDF 1.5 (2003) 中引入，但 PdfTk 不支持它们。您必须找到一个可以处理此类流的工具（例如，最新版本的 iText，与 PdfTk 相比，这是真正的东西），或者您必须先将 PDF 保存为 PDF 1.4，然后再使用 PdfTk 进行处理（但是你会失去 XFA，因为 XFA 也是在 PDF 1.5 中引入的）。

更新：

鉴于您询问的是表单域，我添加以下附件：

此截图是使用iText RUPS截取的（证明iText可以打开文档）。在右侧，您会看到同一个表单被定义了两次：

如果您沿着 Fields 下的树向下走，您会找到使用 AcroForm 技术存储在 PDF 中的所有字段。左边可以看到这样一个字段的描述：

如果您查看 XFA，您会注意到同样的表单也是使用 XML 表单架构定义的。如果单击 datasets，您会在下方面板中看到数据集的 XML 描述：

所有这些信息都可以使用 iText (Java) 或 iTextSharp (C#) 以编程方式访问。 PdfTk 只是一种基于该技术的非常旧版本的工具。

Answer 2

这可能是一个小技巧解决方案，但应该适合您。正如@b运行o 所说，这是加密文件。在用于 pdftk 之前，您应该解密它。为此，我找到了一种解密方法，即 qpdf 一个免费的 opem 源库，用于解密 pdf、删除所有者和用户密码等等等。你可以在这里找到它 Qpdf。在您的系统上安装它。运行这个命令

qpdf --decrypt input.pdf output.pdf

然后在 pdftk 命令中使用输出文件。它应该工作。

pdftk Error: Failed to open PDF file:

pdftk Error: Failed to open PDF file:

php

pdf

pdftk