Java校验PDF文件合法性的方法

在Java中，有几种方法可以校验PDF文件是否合法。以下是几种常用的方法：

1. 使用Apache PDFBox库

PDFBox是一个流行的开源Java库，可以用来处理PDF文档，它也能帮助检测PDF文件是否合法。

import org.apache.pdfbox.pdmodel.PDDocument;
import java.io.File;
import java.io.IOException;

public class PdfValidator {
    
    public static boolean isPdfValid(String filePath) {
        try (PDDocument document = PDDocument.load(new File(filePath))) {
            // 如果能成功加载，基本说明PDF是合法的
            return true;
        } catch (IOException e) {
            // 加载失败说明PDF可能损坏或不合法
            return false;
        }
    }
    
    public static void main(String[] args) {
        String pdfPath = "example.pdf";
        boolean isValid = isPdfValid(pdfPath);
        System.out.println("PDF is valid: " + isValid);
    }
}

2. 检查文件头

合法的PDF文件应该以"%PDF-"开头，并以"%%EOF"结束（不一定在文件末尾，但应该在文件末尾附近）。

import java.io.File;
import java.io.IOException;
import java.nio.file.Files;

public class PdfHeaderValidator {
    
    public static boolean isPdfValidByHeader(String filePath) {
        try {
            byte[] data = Files.readAllBytes(new File(filePath).toPath());
            // 检查PDF文件头
            if (data.length < 5) return false;
            
            String header = new String(data, 0, 5);
            if (!header.equals("%PDF-")) {
                return false;
            }
            
            // 检查PDF文件尾（可能在最后1024字节内）
            int searchLength = Math.min(data.length, 1024);
            String tail = new String(data, data.length - searchLength, searchLength);
            return tail.contains("%%EOF");
            
        } catch (IOException e) {
            return false;
        }
    }
    
    public static void main(String[] args) {
        String pdfPath = "example.pdf";
        boolean isValid = isPdfValidByHeader(pdfPath);
        System.out.println("PDF header is valid: " + isValid);
    }
}

3. 使用iText库

iText是另一个流行的PDF处理库，也可以用来验证PDF。

import com.itextpdf.text.pdf.PdfReader;
import java.io.IOException;

public class ITextPdfValidator {
    
    public static boolean isPdfValid(String filePath) {
        try {
            PdfReader reader = new PdfReader(filePath);
            int pages = reader.getNumberOfPages();
            reader.close();
            return pages > 0; // 简单检查是否有页面
        } catch (IOException e) {
            return false;
        }
    }
    
    public static void main(String[] args) {
        String pdfPath = "example.pdf";
        boolean isValid = isPdfValid(pdfPath);
        System.out.println("PDF is valid: " + isValid);
    }
}

4. 更全面的校验（结合多种方法）

import org.apache.pdfbox.pdmodel.PDDocument;
import java.io.File;
import java.io.IOException;
import java.nio.file.Files;

public class ComprehensivePdfValidator {
    
    public static boolean isPdfValid(String filePath) {
        // 检查文件头
        if (!checkPdfHeader(filePath)) {
            return false;
        }
        
        // 使用PDFBox尝试加载
        return canLoadWithPdfBox(filePath);
    }
    
    private static boolean checkPdfHeader(String filePath) {
        try {
            byte[] data = Files.readAllBytes(new File(filePath).toPath());
            if (data.length < 5) return false;
            
            String header = new String(data, 0, 5);
            return header.equals("%PDF-");
        } catch (IOException e) {
            return false;
        }
    }
    
    private static boolean canLoadWithPdfBox(String filePath) {
        try (PDDocument document = PDDocument.load(new File(filePath))) {
            return true;
        } catch (IOException e) {
            return false;
        }
    }
    
    public static void main(String[] args) {
        String pdfPath = "example.pdf";
        boolean isValid = isPdfValid(pdfPath);
        System.out.println("PDF is valid: " + isValid);
    }
}

注意事项

1. 文件头检查是最快速的方法，但不能保证文件内容完全合法

2. 使用PDFBox或iText加载文件能更全面地检查PDF合法性，但性能开销较大

3. 对于非常大的PDF文件，可能需要考虑内存使用问题

4. 某些"合法"的PDF可能包含恶意内容，上述方法不能检测这类问题

选择哪种方法取决于你的具体需求，如果只是快速检查，文件头方法就足够了；如果需要确保PDF可读，建议使用PDFBox或iText加载文件。