时间戳

首页 > 解决方案 > NiFi ExecuteScript (Groovy)：使用 Pdfbox 从 PDF 中提取文本/图像：错误加载模块

groovy - NiFi ExecuteScript (Groovy)：使用 Pdfbox 从 PDF 中提取文本/图像：错误加载模块

问题描述

NiFi 1.11.4

你好呀，

我找到了一个有趣的解决方案，用于使用 ExecuteScript (Groovy) 从 pdf 文件中提取文本和图像：

（github上的NiFi模板）

Groovy 脚本以

import org.apache.pdfbox.pdmodel.*
import org.apache.pdfbox.util.*
def flowFile = session.get()
if(!flowFile) return
def s = new PDFTextStripper()

使用PDFBox 1.8.16，脚本运行没有错误，但 PDFTextStripper 始终为空（是的：pdf 文件包含文本，而不是图像）

使用PDFBox 2.0.19，脚本没有运行：

pdfbox 2.0 的模块目录

29.04.2020  12:56         2.715.618 pdfbox-2.0.19.jar
29.04.2020  19:36           257.911 pdfbox-debugger-2.0.19.jar
29.04.2020  19:36            81.206 pdfbox-tools-2.0.19.jar
29.04.2020  19:36           247.912 preflight-2.0.19.jar
29.04.2020  19:36           132.182 xmpbox-2.0.19.jar
29.04.2020  19:36         1.561.265 fontbox-2.0.19.jar

错误

Caused by: org.codehaus.groovy.control.MultipleCompilationErrorsException: 
startup failed:
Script9.groovy: 18: unable to resolve class PDFTextStripper 
@ line 18, column 9.def 
  s = new PDFTextStripper()

任何想法，缺少什么？

感谢弗兰克

标签： groovyapache-nifipdfbox

解决方案

已PDFTextStripper重构为新包。在 pdfbox 1.8.x 中它确实在org.apache.pdfbox.util但从 2.0.0 开始它在org.apache.pdfbox.text.

因此，您需要调整您的import语句以与 pdfbox 2.x 一起使用。

推荐阅读