Exception d'extraction de texte Pdfbox

J'utilise PDF Box pour la première fois et je l'utilise pour extraire du texte d'une certaine région du PDF. J'ai testé mon programme sur 50 documents et il a échoué sur 4 documents et m'a donné cette exception. Quelqu'un peut-il donner plus de lumière à ce sujet? Ou sait ce qui provoque cela?Exception d'extraction de texte Pdfbox

code

PDFTextStripperByArea stripper = new PDFTextStripperByArea(); 
stripper.setSortByPosition(true); 
Rectangle rect = new Rectangle(0 , 58 , 612 , 657); 
stripper.addRegion("region", rect); 
List allPages = document.getDocumentCatalog().getAllPages(); 

for(i=0 ; i<document.getNumberOfPages() ; i++) 
{ 
    stripper.extractRegions((PDPage)allPages.get(i)); 
    FileText += stripper.getTextForRegion("region"); 
} 

System.out.println(FileText);

Message d'erreur

Exception in thread "main" java.lang.IllegalArgumentException: Comparison method violates its general contract! 
    at java.util.TimSort.mergeHi(TimSort.java:899) 
    at java.util.TimSort.mergeAt(TimSort.java:516) 
    at java.util.TimSort.mergeForceCollapse(TimSort.java:457) 
    at java.util.TimSort.sort(TimSort.java:254) 
    at java.util.Arrays.sort(Arrays.java:1512) 
    at java.util.ArrayList.sort(ArrayList.java:1454) 
    at java.util.Collections.sort(Collections.java:175) 
    at org.apache.pdfbox.util.PDFTextStripper.writePage(PDFTextStripper.java:554) 
    at org.apache.pdfbox.util.PDFTextStripperByArea.writePage(PDFTextStripperByArea.java:190) 
    at org.apache.pdfbox.util.PDFTextStripper.processPage(PDFTextStripper.java:446) 
    at org.apache.pdfbox.util.PDFTextStripperByArea.extractRegions(PDFTextStripperByArea.java:153) 
    at pdf.box.App.main(App.java:68)

L'un des fichiers qui donne cette exception: https://files.fm/u/6srrrzxq

Source

2017-08-15 Sahib Singh Budhiraja

Quelle version de PDFBox utilisez-vous? Ce bug a été corrigé à la fin de l'année 2015 (https://issues.apache.org/jira/browse/PDFBOX-1512) Il est lié à l'utilisation de jdk7 (ou supérieur). –

@Tilman "Il est lié à l'utilisation de jdk7" - bien, à proprement parler, il est dû à un comparateur qui n'adhère pas au contrat comparateur. Même si java 6 ne s'est pas plaint, c'était un bug même alors. – mkl

Switched une nouvelle version ... son travail maintenant ... Merci!

Source

2017-08-16 16:59:49

Vous avez écrit "J'utilise PDF Box pour la première fois" - donc je me demande, quel site vous a demandé d'utiliser une version qui a au moins 2 ans? –

Copié l'ancienne dépendance car elle était en haut des résultats –

Exception d'extraction de texte Pdfbox

Répondre

Questions connexes