Question

我有网址：http://pasca.undiksha.ac.id/e-journal/index.php/jurnal_bahasa/article/view/500（它不是直接访问pdf，而是指向pdf文件。我想解析这个pdf文件并获取pdf文本。我尝试使用jsoup：`

String url = "http://pasca.undiksha.ac.id/e-journal/index.php/jurnal_ep/article/download/380/172";
File in = new File(url);
Document doc = Jsoup.parse(in, "UTF-8");
System.out.println(doc.toString());`

输出是：

java.io.FileNotFoundException: http:\pasca.undiksha.ac.id\e-journal\index.php\jurnal_ep\article\download\380\172 (The filename, directory name, or volume label syntax is incorrect)
        at java.io.FileInputStream.open(Native Method)
        at java.io.FileInputStream.<init>(FileInputStream.java:138)
        at org.jsoup.helper.DataUtil.load(DataUtil.java:36)
        at org.jsoup.Jsoup.parse(Jsoup.java:103)

有任何想法吗？谢谢你

Answer 1

使用URLConnection连接pdf 阅读内容使用：

URL url = 
new URL( "http://pasca.undiksha.ac.id/e-journal/index.php/jurnal_bahasa/article/view/500" );

URLConnection connection = url.openConnection();

input = connection.getInputStream();

Document doc = Jsoup.parse(in, "UTF-8");
System.out.println(doc.toString());

Answer 2

您不能将File与file://以外的网址一起使用，当然这将是一个错误。使用commons-http-client访问网络上的文件。

从java上的url解析pdf。我可以用jsoup吗？

2 个答案: