java - PDFBox 中的 load() 和 parse() 方法可能存在错误？

Question

我尝试使用 PDFBox在常规 .pdf 文件上运行良好。

然而，当我遇到损坏的 .pdf 时，代码会“卡住”.. 不会抛出错误或其他东西 .. 只是 load 或 parse 函数需要永远执行

这里是 the corrupted file (我把它压缩了，这样每个人都可以下载)，它可能不是原生的 pdf 文件，但它被保存为 .pdf 扩展名，而且只有 4 Kb。

我根本不是专家，但我认为这是 PDFBox 的一个错误。根据文档，load() 和 parse() 方法都应该在失败时抛出异常。但是对于我的文件，代码将永远执行并且不会抛出异常。

我试过只使用load，可以试试parse() .. 结果是一样的

import java.io.FileNotFoundException;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.util.PDFTextStripper;

public class TestTest {

    public static void main(String[] args) throws FileNotFoundException, IOException {
        System.out.println(pdfToText("C:\\..............MYFILE.pdf")); 
        System.out.println("done ! ! !");
    }
    private static String pdfToText(String fileName) throws IOException {
        PDDocument document = null;
        document = PDDocument.load(new File(fileName)); // THIS TAKES FOREVER
        PDFTextStripper stripper = new PDFTextStripper();
        document.close();
        return stripper.getText(document);
    }
}

如果 .pdf 文件已损坏，如何强制此代码抛出异常或停止执行？谢谢

Answer 1

试试这个解决方案:

private static String pdfToText(String fileName) {
    PDDocument document = null;
    try {
        document = PDDocument.load(fileName);
        PDFTextStripper stripper = new PDFTextStripper();
        return stripper.getText(document);
    } catch (IOException e) {
        System.err.println("Unable to open PDF Parser. " + e.getMessage());
        return null;
    } finally {
        if (document != null) {
            try {
                document.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }
}