PDFBox IOException:文件结尾,预期行

时间:2018-06-20 17:28:51

标签: java selenium selenium-webdriver selenium-chromedriver pdfbox

我当前正在尝试使用PDFBox和Selenium从已经通过链接上传和访问的PDF中获取文本。 我以此为来源:http://www.seleniumeasy.com/selenium-tutorials/how-to-extract-pdf-text-and-verify-using-selenium-webdriver-java

public String function(String pdf_url) {
    PDFTextStripper pdfStripper = null;
    PDDocument pDoc;
    COSDocument cDoc;
    String parsedText = "";
    try {
        URL url = new URL(pdf_url);
        BufferedInputStream file = new BufferedInputStream(url.openStream());
        PDFParser parser = new PDFParser(file);
        parser.parse();
        cDoc = parser.getDocument();
        pdfStripper = new PDFTextStripper();
        pdfStripper.setStartPage(1);
        pdfStripper.setEndPage(1);

        pDoc = new PDDocument(cDoc);
        parsedText = pdfStripper.getText(pDoc);

    } catch (IOException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }

    return parsedText;
}

Error: End-of-File expected line
at org.apache.pdfbox.pdfparser.BaseParser.readLine(BaseParser.java:1519)
at org.apache.pdfbox.pdfparser.PDFParser.parseHeader(PDFParser.java:372)
at org.apache.pdfbox.pdfparser.PDFParser.parse(PDFParser.java:186)
at scripts.Script.grabPDF_Text(Script.java:94)
at scripts.Script.main(Script.java:817)

为什么会出现此错误?

2 个答案:

答案 0 :(得分:1)

请检查两个文件的大小均为0 KB 要么 您可以尝试尝试(最终PDDocument文档= PDDocument.load(file,MemoryUsageSetting.setupTempFileOnly())){

答案 1 :(得分:0)

这是您要求使用PDFURL共享的示例

string PDFURL = "https://www.adobe.com/support/products/enterprise/knowledgecenter/media/c4611_sample_explain.pdf";
function(PDFURL1);

public String function(String pdf_url)
{
 //Exact same code as yours
}

对于使用PDF作为本地文件,URL和BufferedInputStream需要替换为

 File file = new File(pdf_url);
 PDFParser parser = new PDFParser(new FileInputStream(file));

希望这会有所帮助