XFA缺少填充的字段吗？

Question

我使用pdfbox-1.8.12读取PDF中的内容以获得XFA。我已经成功地获得了大多数文件的XFA，而没有遗漏任何字段值。

麻烦在于一些像error.pdf这样的文件。我有许多字段没有CIN这样的值，但是当我在任何PDF查看器、foxit或Acrobat中打开文件时，都会显示该字段。

    public static byte[] getParsableXFAForm(File file) {
    if (file == null)
        return null;
    PDDocument doc;
    PDDocumentCatalog catalog;
    PDAcroForm acroForm;
    PDXFA xfa;
    try {
        doc = PDDocument.load(file);
        catalog = doc.getDocumentCatalog();
        acroForm = catalog.getAcroForm();
        xfa = acroForm.getXFA();
        byte[] xfaBytes = xfa.getBytes();
        doc.close();
        return xfaBytes;
    } catch (IOException e) {
        // handle IOException
        // happens when the file is corrupt.
        System.out.println("IOException");
        return null;
    }
}

然后将byte[]转换为字符串。

这是这个文件的xfa，如果在这个文件中搜索'U72300DL1996PLC075672'，它将丢失。

这是一个正常文件，提供所有字段。

有什么想法吗？我试过所有的东西，但我的猜测是，既然读者可以看到这种价值，我也应该能够看到。

编辑:您必须下载这些文件，您可能无法在浏览器中查看它们。

Answer 1

表单中有多个XFA内容条目，表示表单在应用不同签名之前的不同状态。正如你所用的

PDDocument.load(file)

PDF是按顺序解析的，并且没有获取最新的XFA内容。如果你把它改成

PDDocument.loadNonSeq(file,null)

使用Xref信息，提取最新的XFA，其中包含您要查找的信息。

请注意，对于PDFBox 1.8.x，应该始终使用PDDocument.loadNonSeq来解析符合规范的PDF，即遵循Xref信息。PDDocument.load应该只使用来处理带有(与Xref相关的)解析错误的文件，在这些错误中，顺序解析可能会倒退。

对于PDFBox，2.x PDDocument.load解析遵循Xref，如1.8中的`PDDocument.loadNonSeq‘，然后在幕后进行顺序解析，以防出现错误。