java - 如何使用 Selenium webdriver 和 Java 读取 PDF

Question

我正在尝试使用 Java-Selenium 读取 PDF 文件的内容。下面是我的代码。getWebDriver 是框架中的自定义方法。它返回网络驱动程序。

URL urlOfPdf = new URL(this.getWebDriver().getCurrentUrl());

BufferedInputStream fileToParse = new BufferedInputStream(urlOfPdf.openStream());

PDFParser parser = new PDFParser((RandomAccessRead) fileToParse);
parser.parse();

String output = new PDFTextStripper().getText(parser.getPDDocument());

如果我不将其解析为RandomAccessRead类型，则代码的第二行会给出编译时错误。

当我解析它时，我得到这个运行时错误：

java.lang.ClassCastException：java.io.BufferedInputStream 无法转换为 org.apache.pdfbox.io.RandomAccessRead

我需要帮助摆脱这些错误。

Answer 1

首先，除非您想干预 PDF 加载过程，否则无需显式使用PdfParser该类。您可以改为使用静态PDDocument.load方法：

URL urlOfPdf = new URL(this.getWebDriver().getCurrentUrl());

BufferedInputStream fileToParse = new BufferedInputStream(urlOfPdf.openStream());

PDDocument document = PDDocument.load(fileToParse);

String output = new PDFTextStripper().getText(document);

---

否则，如果您确实想干预加载过程，则必须为RandomAccessRead您的.BufferedInputStream

你可以这样做

URL urlOfPdf = new URL(this.getWebDriver().getCurrentUrl());

BufferedInputStream fileToParse = new BufferedInputStream(urlOfPdf.openStream());

MemoryUsageSetting memUsageSetting = MemoryUsageSetting.setupMainMemoryOnly();
ScratchFile scratchFile = new ScratchFile(memUsageSetting);
PDFParser parser;
try
{
    RandomAccessRead source = scratchFile.createBuffer(fileToParse);
    parser = new PDFParser(source);
    parser.parse();
}
catch (IOException ioe)
{
    IOUtils.closeQuietly(scratchFile);
    throw ioe;
}

String output = new PDFTextStripper().getText(parser.getPDDocument());

（这实质上是从 的源代码复制和粘贴的PDDocument.load。）