adobe - 带有加密 PDF 的 Apache Tika

Question

我想使用 Apache Tika Library 提取 PDF 内容。一切都很好，直到我遇到带有加密用户名和密码的 PDF。 它会遇到如下错误:

INFO Document is encrypted org.apache.tika.exception.EncryptedDocumentException: Unable to process: document is encrypted at org.apache.tika.parser.pdf.PDFParser.parse(PDFParser.java:153)

Caused by: org.apache.pdfbox.exceptions.CryptographyException: Cannot find an appropriate security handler for Adobe.APS at org.apache.pdfbox.pdmodel.PDDocument.decrypt(PDDocument.java:952) at org.apache.tika.parser.pdf.PDFParser.parse(PDFParser.java:139) ... 4 more

有谁知道 Apache Tika 是否支持使用这种安全功能提取 PDF？

Answer 1

您可以在下面尝试。它对我有用

PasswordProvider pp = (元数据) -> "密码";

    // Create a context parser for the pdf document
    ParseContext context = new ParseContext();
    context.set(PasswordProvider.class, pp);