Java iText PDFTextractor getTextFromPage异常；读取文件指针处的字符串时出错；

我正在使用iText PDFTextractor从PdfReader中提取文本，其中PdfReader是从字节数组创建的

    byte[] pdfbytes = outputStream.toByteArray();

    PdfReader reader = new PdfReader(pdfbytes);

    int pagenumber = reader.getNumberOfPages();
    PdfTextExtractor extractor = new PdfTextExtractor(reader);

    for(int i = 1; i<= pagenumber; i++) {
        System.out.println("============PAGE NUMBER " + i + "=============" );
        String line = extractor.getTextFromPage(i);
        System.out.println(line);
    }

其中xxxExtensionPdfParser.java:114是String line=extractor.getTextFromPage（i）

但在第二次测试时，我可以毫无例外地获得文本内容。因此，我认为这一定是第一个pdf格式的问题，导致了例外

---

所以我的问题是，这个格式问题是什么，有没有办法避免呢？谢谢。

我收到了同样的错误，经过调查，我的pdf文档似乎存在问题，因为它们包含“页眉”或“页脚”，而不是您链接的irs文档。我为一个900页的pdf文档编制了索引，其中70页无法提取。显然，所有这些页面都有页脚版权信息。有没有办法解决这个问题

------编辑---------- 我应用以下方法从上述pdf中获取文本。希望这对你也有用

---

byte[]pdfbytes=outputStream.toByteArray（）；
PDF读卡器=新的PDF读卡器（pdfbytes）；
int pagenumber=reader.getNumberOfPages（）；
PDFTextractor提取器=新的PDFTextractor（读取器）；
对于（int i=1；i
Exception in thread "main" ExceptionConverter: java.io.IOException: Error reading string at file pointer 238291
at com.lowagie.text.pdf.PRTokeniser.throwError(Unknown Source)
at com.lowagie.text.pdf.PRTokeniser.nextToken(Unknown Source)
at com.lowagie.text.pdf.PdfContentParser.nextValidToken(Unknown Source)
at com.lowagie.text.pdf.PdfContentParser.readPRObject(Unknown Source)
at com.lowagie.text.pdf.PdfContentParser.parse(Unknown Source)
at com.lowagie.text.pdf.parser.PdfContentStreamProcessor.processContent(Unknown Source)
at com.lowagie.text.pdf.parser.PdfTextExtractor.getTextFromPage(Unknown Source)
at org.xxx.services.pdfparser.xxxExtensionPdfParser.main(xxxExtensionPdfParser.java:114)

PdfReader pdfReader = new PdfReader(file);
PdfReaderContentParser parser = new PdfReaderContentParser(pdfReader);

strategy = parser.processContent(currentPage, new SimpleTextExtractionStrategy());              
content = strategy.getResultantText();

    byte[] pdfbytes = outputStream.toByteArray();

    PdfReader reader = new PdfReader(pdfbytes);

    int pagenumber = reader.getNumberOfPages();
    PdfTextExtractor extractor = new PdfTextExtractor(reader);

    for(int i = 1; i<= pagenumber; i++) {
        System.out.println("============PAGE NUMBER " + i + "=============" );
        String line = PdfTextExtractor.getTextFromPage(reader,i);
        System.out.println(line);
    }