Apache Tika与加密PDF

Question

我想使用Apache Tika库提取PDF内容，但遇到了用户名和密码加密的PDF文件。导致以下错误：

INFO Document is encrypted org.apache.tika.exception.EncryptedDocumentException: 无法处理：文档已加密 at org.apache.tika.parser.pdf.PDFParser.parse(PDFParser.java:153)

Caused by: org.apache.pdfbox.exceptions.CryptographyException: 找不到适当的安全处理程序 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

有人知道Apache Tika是否支持提取带有此安全功能的PDF文件吗？

- fattysxx

---

您可以在PDFBox用户列表上提问：[e-mail] - Tim Allison

嘿 @fattysxx，你找到解决方案了吗？还是有什么更新吗？ - HankNessip

Answer 1

您可以在下面尝试。这对我有效。

PasswordProvider pp = (metadata) -> "password";

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

- Pranay Joshi