PDFBox IOException：文件结尾，预期行

Question

我目前正在尝试使用 PDFBox 和 Selenium 从已上传并通过 link 访问的 PDF 中获取文本。我用这个作为来源：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？

Answer 1

这是您要求使用 PDF 共享的示例URL

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
}

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));

希望对您有所帮助

Answer 2

请检查其中一个文件的大小是否为 0 KB 要么您可以尝试检查 (final PDDocument document = PDDocument.load(file, MemoryUsageSetting.setupTempFileOnly())){

PDFBox IOException：文件结尾，预期行

PDFBox IOException: End of File, expected line

java

selenium

pdfbox

selenium-chromedriver

selenium-webdriver