Question

当我尝试使用＆＃34; read＆＃34;将普通PDF文件中的字节读取到字节数组中时在Java中，函数正确加载，其大小与原始PDF文件的大小相同。

Path file_path = Paths.get("D:\\Zip Test Client", "vadClient1.pdf");
    byte[] ByteArray= Files.readAllBytes(file_path);
    FileOutputStream fos = new FileOutputStream(new File("E:\\newFinalPDF.pdf"));

但是当我从位于压缩文件夹内的同一PDF文件中读取字节时，read函数只读取8843个字节（原始大小为194471），其余全部为0。

zipFile = new ZipFile(new File("D:\\Zip test Server\\ZipTestFolderOnServer.zip"));
        long count = zipFile.size();
        Enumeration<? extends ZipEntry> entries = zipFile.entries();
        while(entries.hasMoreElements()){

            System.out.println("New File starting");
            ZipEntry zipEntry = entries.nextElement();
            System.out.println(zipEntry.getName());
            InputStream fis =  zipFile.getInputStream(zipEntry); 
            byte[] fileToBytes = new byte[(int)zipEntry.getSize()];


            FileOutputStream fos = new FileOutputStream(new File("E:\\ContentZipped_"   + zipEntry.getName()));
            fis.read(fileToBytes);
            fos.write(fileToBytes);
            fis.close();
            Thread.sleep(1000);
            --count;
        }

这种行为有什么解释？

编辑1： - 我不是在寻找第三方集成，例如Tika或POI。

Answer 1

通过简化代码，让它减少错误（并减少内存消耗），使用它来复制zip条目的内容：

try (InputStream fis =  zipFile.getInputStream(zipEntry)) {
    Files.copy(fis, Paths.get("E:\\ContentZipped_"   + zipEntry.getName()));
}

Answer 2

公共类SampleZipExtract {

public static void main(String[] args) {

    List<String> tempString = new ArrayList<String>();
    StringBuffer sbf = new StringBuffer();

    File file = new File("C:\\Users\\xxx\\Desktop\\abc.zip");
    InputStream input;
    try {

      input = new FileInputStream(file);
      ZipInputStream zip = new ZipInputStream(input);
      ZipEntry entry = zip.getNextEntry();

      BodyContentHandler textHandler = new BodyContentHandler();
      Metadata metadata = new Metadata();

      Parser parser = new AutoDetectParser();

      while (entry!= null){

            if(entry.getName().endsWith(".txt") || 
                       entry.getName().endsWith(".pdf")||
                       entry.getName().endsWith(".docx")){
          System.out.println("entry=" + entry.getName() + " " + entry.getSize());
                 parser.parse(input, textHandler, metadata, new ParseContext());
                 tempString.add(textHandler.toString());
            }
       }
       zip.close();
       input.close();

       for (String text : tempString) {
       System.out.println("Apache Tika - Converted input string : " + text);
       sbf.append(text);
       System.out.println("Final text from all the three files " + sbf.toString());
    } catch (FileNotFoundException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    } catch (IOException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    } catch (SAXException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    } catch (TikaException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }
}

}

从Java中的压缩PDF文件中读取字节

2 个答案: