如何配置 Tika 的 pom.xml 以停止获取所有许可证依赖警告?
当我尝试使用 Tika 时，我收到了所有这些警告: 2018 年 2 月 24 日晚上 9:24:35org.apache.tika.config.InitializableProblemHandler$3handleInitializableProblem 警告:未加载 JBIG2ImageReader.jbig2文件将被忽略 参见https://pdfbox.apache.org/2.0
..
pdfbox相关内容
使用 Apache tika 删除 PDFont 缓存
我试图仅从许多不同的代码(rtf doc pdf)中提取文本.我很自然地求助于 Apache Tika，因为它可以自动检测文档并相应地提取文本.我只对文本感兴趣，对格式等不感兴趣. 我的应用程序最终出现了大内存泄漏，经过调查，这是来自 PDFBox 依赖项中 PDFFont 类的缓存.我对从 pdf 缓存 Fontmetrics 和其他字体格式问题不感兴趣，因为我只想提取文本. 我使用
..
PDFBox 的内存泄漏问题
我在我的应用程序中使用 PDF Box version 2.0.9.我必须从网络解析大型 pdf 文件.以下是我正在使用的代码 MimeDetector 类 @Getter@Setter类 MimeTypeDetector {私有 ByteArrayInputStream byteArrayInputStream;私有 BodyContentHandler bodyContentHand
..
PDFBox 在单词中添加空格
当我尝试从我的 PDF 文件中提取文本时，它似乎在几个单词之间随机插入空格. 我在本页下载部分的以下示例文件中使用 pdfbox-app-1.6.0.jar(最新版本):http://www.sheffield.gov.uk/roads/children/parents/6-11/pedestrian-training 我已经尝试过其他几个 PDF 文件，但在几个页面上似乎都在做同样的
..
使用 POI 或 Tika 提取文本，流到流，无需在内存中加载整个文件
我正在尝试单独使用 Apache POI 和 PDFBox，或者在 Apache Tika 的上下文中，从 MASSIVE Microsoft Office 和 PDF 文件(即在某些情况下数百兆)中提取和处理纯文本.此外，我的应用程序是多线程的，因此我将同时解析许多这些大文件. 在这种规模下，我必须以流式方式处理文件.在此过程中的任何步骤都不能将整个文件保存在主内存中. 我见过许多通
..
如何修复 PDFBox 设置的 PDF/A 元数据(使用 Docx4j 和 XDocReport)
为了达到 PDF/A-1A 的辅助功能级别，我使用 PDFBox v2.0.13 在 PDF 上设置 XMP 元数据.在设置元数据之前，我将文件从 .docx 转换为 pdf.我尝试了两种方法来进行转换:一种使用 XDocReport v.2.0.1，另一种使用 Docx4j v.6.1.0. 在 Java 类中，我有以下代码: PDDocumentInformation info = p
..
PDFBox - 可访问的 PDF - 如何根据可访问性指南检查 PDF 标签是否具有属性
需要根据辅助功能指南检查 PDF 标签是否具有属性.示例: H1 - 验证 PDF 中是否存在 H1 Image(Figure Tag) - 验证 image\figure 是否有 Alt 文本 语言 - 验证是否设置了语言属性，以便屏幕阅读器可以正确读取.对于西班牙语和英语文档，应更新各自的语言代码 表格 - 访问表格对象并验证表格结构是否正确(标题列与行列匹配等) 到目前为止
..
PDF2SVG:Apache Batik textAsShape 选项导致字体转换
下面的代码完美地将PDF文件转换为SVG格式，但无论我做什么，它都会将字体转换成形状……而且文件越来越大…… 有: SVGGraphics2D g2d = new CustomSVGGraphics2D(ctx, false); 哪个触发 super(generatorCtx, textAsShapes); 但更近的“假"工作，也不是“真"...... 如何做到这一点?
..
PDFBox COSStream 使用前关闭
我们的 pdf 生成器出现间歇性异常，该生成器在云中的 docker 容器中运行.生成器的一部分处理获取 SVG 文档并将其加载到 pdf 中.每 100 次调用它都会抛出以下异常importPageAsForm(tmpSVGPdf, 0). java.io.IOException: COSStream 已关闭且无法读取.也许它的封闭 PDDocument 已关闭? 我们无法在本地重现此问题.
..
通过PDFBox绘制曲线
我使用 PDFBox 创建了一个折线图来绘制一些数据，它看起来很像您通过谷歌搜索看到的任何一般折线图.它看起来也与我附加到这个问题的折线图相同.折线图绘制算法的工作方式是先查看当前点，然后再查看下一个点，如果在那里找到有效点，则绘制一条线. 我的问题是客户不喜欢线路之间的连接有多清晰.相反，他们希望线条之间的连接以更弯曲的方式发生.附件是客户想要什么的粗略概念的图像.请注意，虽然线条看起来很
..
GetBaseFont() 在 pdfbox 中等于 null
我使用 pdfbox 从 pdf 文件中提取文本，当我为 pdf 中的某些文本获取字体时，它会为空，我不知道为什么！虽然同一个文件中的一些其他文本我得到了它的字体. 使用此代码: protected void processTextPosition(TextPosition text) {String font=text.getFont().getBaseFont();//等于空} 解
..
无法使用 PDPageContentStream 绘制多个半圆
我想实现使用 pdfbox 1.8.2 c# wrapper 在矩形边界上绘制云的功能.我能够使用此 链接.但问题是，我只能画一个半圆.当我尝试绘制多个相邻的半圆时，它不起作用.以下是我正在使用的代码. (createSmallArc() 来自 汉斯Muller, 许可:知识共享署名 3.0.所做的更改:实施原始 AS代码转换成 java.算法是由 Aleksas Riškus) publ
..
PDFBox 2 异常内存消耗
我们正在尝试使用 PDFRenderer 的 renderImageWithDPI 方法渲染来自不同 PDF 文件的图像.在特定 PDF 上，对于某些页面，库渲染器具有不同的行为. 渲染本身比其他类似页面花费的时间更长，并且内存消耗达到异常大的值:进程消耗的内存每 1-2 秒增加约 50MB，直到达到消耗的 RAM 等值 5GB在 renderImageWithDPI 中由应用程序进程执行.
..
pdfBox - contentStream.concatenate2CTM 完整文档参数
jsf 2.1/pdfbox 我想生成横向 pdfbox pdf 并为其内容绘制一些字符串，但我没有找到任何关于 concatenate2CTM 方法的完整规范. 有没有人有一些关于 concatenate 2CTM 参数的完整信息 我只有这个但对我没有帮助，因为我不知道我必须输入什么值. a...f 运算符是什么意思??? 解决方案 这会直接向相关内容流添加 cm
..
获取包含数字签名的pdf页面的页面索引
我需要获取 PDF 文档中包含数字签名的页面的页面索引.如何使用 Apache PDFBox 获取它? 解决方案 try (PDDocument doc = PDDocument.load(new File("...."))){PDPageTree pageTree = doc.getPages();PDAcroForm acroForm = doc.getDocumentCatalog(
..
PDFBox:在一张 A3 纸上放两张 A4 纸
我有一份包含一页或多页 A4 纸的 pdf 文档.生成的 pdf 文档应该是 A3 纸，其中每页包含第一页中的两页(左侧奇数，甚至右侧).我已经把 A4 页面渲染成图像，奇数页面成功放置在新 A3 页面的第一部分，但我无法放置偶数页面. 公共类 CreateLandscapePDF { public void renderPDF(File inputFile, String output)
..
即使我可以打开文件，PDFBox 也返回 isEncrypted true
我正在使用 PDFBox 来确定 pdf 文件是否受密码保护.这是我的代码: boolean isProtected = pdfDocument.isEncrypted(); 我的文件属性在 sceenshot 中.在这里我得到 isProtected= true 即使我可以在没有密码的情况下打开它. 注意:此文件有文档打开密码:否和权限密码:是. 解决方案 您的 PDF 有一个
..
尝试从 pdf 中提取字形 ID 时缺少某些字形 ID
由于天城字形映射到 unicode 字符不正确，我使用以下代码提取字形 ID 并形成我自己的映射以将 ID 映射到正确的 unicode 字符. 公共类 ExtractCharacterCodes {公共静态无效 testExtractFromSingNepChar() 抛出 IOException {PDDocument 文档 = PDDocument.load(new File("C:/Pa
..
如何使用 PDFBOX java 提取字体颜色?
实际上我需要提取每个字符的字体颜色，在论坛的下面一段代码中找到了这个，但是在执行它时会抛出错误 2013 年 4 月 19 日下午 6:23:45 org.apache.pdfbox.util.operator.pagedrawer.FillNonZeroRule 过程警告:java.lang.ClassCastException:org.apache.pdfbox.util.PDFStream
..
Java PDFBox，从表的一列中提取数据
我想了解如何从这个 pdf(例如图像)中提取 http://postimg.org/image/ypebht5dx/ 例如，我只想提取列“TENSIONE[V]"中的值，如果遇到空白单元格，我会在输出中输入字母“X".我该怎么办? 我使用的代码是这样的: PDDocument p=PDDocument.load(new File("a.pdf"));PDFTextStripper
..