java - 使用 Tika 从大型 pdf 中提取文本

Question

我尝试从大型 pdf 中提取文本，但我只得到第一页，我需要将所有文本传递给字符串变量。

这是代码

public class ParsePDF {
    public static void main(String args[]) throws Exception {


    try {

      File file = new File("C:/vlarge.pdf");

      String content = new Tika().parseToString(file);

      System.out.println("The Content: " + content);

        }
        catch (Exception e) {
          e.printStackTrace();
        }
    }
}

Answer 1

来自Javadocs :

To avoid unpredictable excess memory use, the returned string contains only up to getMaxStringLength() first characters extracted from the input document. Use the setMaxStringLength(int) method to adjust this limitation.

调用 setMaxStringLength(-1) 将禁用此限制。