我正在尝试从附加到eMail的PDF中获取内容文本。
我正在使用EWS-JAVA-API来获取附件
public void getAttachments(Item item)throws Exception{
EmailMessage message = EmailMessage.bind(service, item.getId(), new PropertySet(BasePropertySet.FirstClassProperties, ItemSchema.MimeContent, EmailMessageSchema.Attachments ) );
for(Attachment attachment:message.getAttachments()) {
FileAttachment newAttachment =(FileAttachment) attachment;
newAttachment.load();
newAttachment.getFileName();
newAttachment.getContentType();
System.out.println(new String(newAttachment.getContent()));
}
}
然而,这会返回,例如
"%PDF-1.4
%����
4 0 obj
<<
/Subject (label, DEFAULT format)
/Producer (Apache FOP Version 0.95)
/CreationDate (D:20161015002945+01'00')
\>\>
endobj
5 0 obj
<<
/N 3
/Length 12 0 R
/Filter /FlateDecode
\>\>
stream
��e����mi ]�P����`/ ���u}q�|^R��,g+���\K�k)/����C_|�R����ax�8�t1C^7nfz�D����p�柇��u�$��/�ED˦L L��[���B�@�������ٹ����ЖX�!@~ (* {d+��}�G�͋љ���ς�}W�L��$�cGD2�Q���Z4" ...
以上简短截断。
有没有办法将其转换为代码中的可读文本(无需写入光盘?
注意:我可以使用PDFbox从中创建PDF文件,但是根据我的理解需要写入磁盘。我需要在记忆中这样做。
答案 0 :(得分:0)
您可以尝试tika解析器
<dependency>
<groupId>org.apache.tika</groupId>
<artifactId>tika-parsers</artifactId>
<version>LATEST_VERSION</version>
</dependency>
示例代码
Tika tikaParser = new Tika();
tikaParser.setMaxStringLength(-1);
Metadata metadata = new Metadata();
InputStream inputStream = new ByteArrayInputStream(newAttachment.getContent());
String content = tikaParser.parseToString(inputStream, metadata);