我正在使用 pdftk 库从 pdf 中提取表单字段。一切都运行良好，除了我得到一个 pdf 文件的问题 pdf file link .下面给出了导致错误的原因

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

同样的命令适用于所有其他形式。

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

这是我处理这个的全部功能

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;

    }

最佳答案

PdfTk 是通过编译创建的工具 an obsolete version of iText使用 GNU Java 编译器 (GCJ) 生成可执行文件(PdfTk 未得到 iText Group NV 的认可)。

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 和压缩的交叉引用表。

后者是导致您出现问题的原因。 PdfTk 期望您的文件像这样结束:

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 标记了 xref 的字节偏移量，这是交叉引用表的起始位置。此表包含 PDF 中所有对象的字节偏移量。

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±JQЙ·»7J¢©ÕØ(Xþ„ù »h%¤É¤¶”€mZ+;ÁN,,ÁÆ6 XÁ&‚("î½YŒI‘Bî‡áμ]ö1Áð÷³cfþ‹ûÐÚLî`z„Ýôœùw÷N×X?ÙkNv`hÁÒj¦G[œiÀå»›œ?b½Än…ÉëàÍþ gY—i7WW‡òj®îÍ°u¸Ò‡Ñ:óÆÛ™ñÎë&'×݈§ü†ù!ÿñ€ù%,\ácçÙ9˜ì±Þ€S¼Ãd—‰Áy~×.ø¶Åìþßn_˜$9Ôüw£X9#åxzçgRüüóÙwÝ¡œÄNJ©½’Ú+©½’R{%µWR{%ÿ·á”;`_ z6Ø
endstream
endobj
startxref
116
%%EOF

在这种情况下，startxref 仍然指的是第一个交叉引用表的起始位置(它是一个线性化的 PDF)，但是交叉引用表存储在一个对象中，并且该对象被压缩(查看 stream 和 endstream 关键字之间的乱码)。

PDF 1.5 (2003) 中引入了压缩交叉引用表和压缩对象，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:

由于您询问的是表单域，因此我添加了以下附件:

此屏幕截图是使用 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。在左侧，您可以看到这样一个字段的描述:

如果查看 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非常古老版本的工具。

关于php - pdftk 错误 : Failed to open PDF file:，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30259554/