Java 如何修复PdfArray无法强制转换到PRStream

为了阅读pdf文件，我使用了下面的代码段来处理iText库。但是，对于某些pdf文档，它会抛出一个异常，如下面的代码所示。我不明白为什么对某些文档发送此异常，但对另一些文档则不抛出此异常。此外，我如何解决这个问题

注：以下代码用于从pdf中提取文本，即pd fto txt转换器

private ArrayList<byte[]> contentOfPdf() {
    PdfReader reader = null;

    PdfDictionary dictionary = null;
    PRIndirectReference reference = null;

    PRStream contentStream = null;
    ArrayList<byte []> byteStream = new ArrayList<byte []>();

    try{
        reader = new PdfReader(this.filename);

        for(int currentPage = 0 ; currentPage <= this.totalPageNumber ; currentPage ++ ) {

            dictionary = reader.getPageN(currentPage);
            reference = (PRIndirectReference) dictionary.get(PdfName.CONTENTS);
/*line 166*/ contentStream = (PRStream) PdfReader.getPdfObject(reference);

            byteStream.add( PdfReader.getStreamBytes(contentStream) );
        }
    } catch(Exception e){
        e.printStackTrace();
    } finally {
        reader.close();
    }

    return byteStream;
}

---

每当你手动浏览PDF时，我强烈建议你在附近有一份PDF规范的副本，并查找每个键。在您的情况下，如果查找

CONTENTS

键，您将看到它显示：

该值应为单个流或一组流

我不是一个Java爱好者，但下面的C#代码应该很容易转换为Java，并且应该满足您的需求：

//将保存一个引用数组
PdfArray refs=null；
//如果我们有一个数组，直接使用它
if（dictionary.Get（PdfName.CONTENTS.IsArray（））{
refs=dictionary.GetAsArray（PdfName.CONTENTS）；
//如果我们只有一个引用，那么为了方便起见，将其包装在单个项数组中
}else if（dictionary.Get（PdfName.CONTENTS.IsIndirect（））{
refs=newpdfarray（dictionary.Get（PdfName.CONTENTS））；
//对于合格的PDF，不应进行健全性检查
}否则{
抛出新的ApplicationException（“未知内容类型”）；
}
//循环遍历每个引用
foreach（参考文献中的变量r）{
//这里的代码相同
reference=（PRIndirectReference）r；
contentStream=（PRStream）PdfReader.GetPdfObject（引用）；
添加（PdfReader.GetStreamBytes（contentStream））；
}

事实上，你并没有“解决这个问题”。在某个地方，您正在犯一个逻辑错误，即在is-a关系中使用两个不相关的类型，或者由has-a关系关联的类型。你不能把这一个抛到另一个身上，因为不存在一种关系。这就像说你的脚是一只鞋，而不是说你脚上穿了一只鞋。检查哪些元素是正确的，并使用它们来代替。@Stultuske，但是，对于某些文档来说这是可行的，我得到了结果。另一方面，对于某些文档，它抛出此异常。这两个文档是PDF格式的。我想知道为什么它会对某些情况抛出例外，而对另一些情况则不是。这个问题是另一个论坛上的重复，Zmavus说我只是试图从pdf中提取文本。这与问题中给出的代码完全矛盾！文本提取是通过

com.itextpdf.pdf.parser

类完成的，而不是在不考虑XObject、字体和其他资源的情况下提取内容流@BrunoLowagie我为什么要考虑XObject？为什么我要获取“字体”信息？你说你想知道页面流中的文本是什么。通过忽略XObject，可以忽略大块文本。通过忽略字体，您的文本可能看起来乱七八糟（直到您了解更多编码）。这就是为什么。问题实际上是由

PdfReader.getStreamBytes（contentStream）

引起的。它返回PdfArray，即问题仍然存在。@Zmavus问题实际上是由-No引起的，它是由您铸造

（PRIndirectReference）dictionary.get（PdfName.CONTENTS）

和

（PRStream）PdfReader.getPdfObject（reference）

引起的。正如本文和iText邮件列表中所解释的，内容可以是流或流的数组。因此，当您获取内容时，您可能会获取对流的引用、对数组的引用，或者立即获取一个数组。相应地修复代码。

java.lang.ClassCastException: com.itextpdf.text.pdf.PdfArray cannot be cast to com.itextpdf.text.pdf.PRStream
at pdfCrawler.retrieveContentOfPdf(CrawlerTask.java:166)
at pdfCrawler.call(CrawlerTask.java:55)
at pdfCrawler..call(CrawlerTask.java:1)
at java.util.concurrent.FutureTask$Sync.innerRun(Unknown Source)
at java.util.concurrent.FutureTask.run(Unknown Source)
at java.util.concurrent.ThreadPoolExecutor.runWorker(Unknown Source)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(Unknown Source)
at java.lang.Thread.run(Unknown Source)