我正在尝试从一组PDF中提取一些信息。到目前为止，该方法仍然有效，但是一个PDF给我带来了不满。
我在Java 7中使用PDFBox 1.8.8。
PDDocument document = PDDocument.load(pdfFile);
PDFTextStripper stripper = new PDFTextStripper();
System.out.println("File: "+pdfFile.getAbsolutePath()+" readable: "+pdfFile.canRead()+" size: "+pdfFile.length());
System.out.println(stripper.getText(document));
它只是打印
File: /foo/bar/mypdf.pdf readable: true size: 1267743
然后终止。通常，我使用writeText方法并通过流漏斗文本，但是为了简化起见，使用了上面的代码。我尝试过使用PDF转换pdftotext-它的工作原理与其他PDF相同。
我也不例外，一无所有。有任何想法吗？
编辑：附加信息：使用Acrobat Distiller 9.0.0（Windows）创建，格式为PDF-1.6；其他PDF版本为1.4和1.5
似乎不包含外来字符。我可以在Evince PDF查看器中标记/复制文本
编辑2：
该死的。文件属性对话框（Nautilus）表示“安全性：否”，但显示pdfinfo了以下内容：
Encrypted: yes (print:yes copy:no change:no addNotes:no algorithm:AES)
反正要规避吗？毕竟，pdftotext可以把文本弄出来。
该文档已“加密”（写保护），但未设置用户密码。这个Stackoverflow答案显示了如何删除加密并仅读取文件：使用pdfbox（例如qpdf）从pdf删除加密
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句