He estado usando PDFBox a dividir archivos PDF en imágenes desde hace un tiempo, pero después de la actualización a 2.0.19 he empezado a correr en excepciones inesperadas.
Este es el seguimiento de la pila de la excepción:
java.lang.ArrayIndexOutOfBoundsException: 3
at java.awt.color.ICC_ColorSpace.toRGB(ICC_ColorSpace.java:191)
at org.apache.pdfbox.pdmodel.graphics.color.PDICCBased.toRGB(PDICCBased.java:350)
at org.apache.pdfbox.rendering.PageDrawer.getPaint(PageDrawer.java:335)
at org.apache.pdfbox.rendering.PageDrawer.getNonStrokingPaint(PageDrawer.java:708)
at org.apache.pdfbox.rendering.PageDrawer.fillPath(PageDrawer.java:808)
at org.apache.pdfbox.contentstream.operator.graphics.FillEvenOddRule.process(FillEvenOddRule.java:37)
at org.apache.pdfbox.contentstream.PDFStreamEngine.processOperator(PDFStreamEngine.java:875)
at org.apache.pdfbox.contentstream.PDFStreamEngine.processStreamOperators(PDFStreamEngine.java:509)
at org.apache.pdfbox.contentstream.PDFStreamEngine.processStream(PDFStreamEngine.java:483)
at org.apache.pdfbox.contentstream.PDFStreamEngine.processPage(PDFStreamEngine.java:156)
at org.apache.pdfbox.rendering.PageDrawer.drawPage(PageDrawer.java:269)
at org.apache.pdfbox.rendering.PDFRenderer.renderImage(PDFRenderer.java:321)
at org.apache.pdfbox.rendering.PDFRenderer.renderImage(PDFRenderer.java:243)
at org.apache.pdfbox.rendering.PDFRenderer.renderImage(PDFRenderer.java:203)
at org.apache.pdfbox.rendering.PDFRenderer.renderImage(PDFRenderer.java:190)
Aquí está el código que he utilizado para dividir el archivo:
try (PDDocument document = PDDocument.load(new File("updated_test.pdf"))) {
PDPageTree pdPages = document.getDocumentCatalog().getPages();
PDFRenderer pdfRenderer = new PDFRenderer(document);
int page = 0;
for (PDPage pdPage : pdPages) {
String fileName = "demo" + page + ".png";
File tempImg = new File(fileName);
BufferedImage bim = pdfRenderer.renderImage(page);
ImageIOUtil.writeImage(bim, tempImg.getAbsolutePath(), 150);
page++;
}
} catch (Exception e) {
e.printStackTrace();
}
Y aquí está el archivo real que produce el problema: https://stackoverflowuploads.s3-us-west-2.amazonaws.com/updated_test.pdf
Todo tipo de ayuda, ideas y consejos sería muy apreciado, si tienes ideas sobre otras soluciones / bibliotecas que pueden lograr los mismos resultados los que sería muy útil también. ¡Gracias!
Esto se ha corregido en PDFBox-4801 y una acumulación instantánea está disponible aquí en la parte inferior.
Será en 2.0.20, que es probable que sea lanzado en el verano (con suerte).
La causa es un valor incorrecto / N (3) en el diccionario de un perfil CMYK ICC. El valor correcto debería haber sido 4. El resultado es la excepción que se menciona más adelante. Los código corregido comprueba el perfil ICC y corrige el valor del objeto PCICCBased.