Java Apache Tika元数据中的PropertyTypeException

我正在使用Crawler4j来提取页面和pdf文件。我已经检查了我得到的字节数组是否有效，是否可以输出到pdf文件

使用此字节数组，我将执行以下操作：

//Tika specific types
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
InputStream inputstream;
ParseContext pcontext = new ParseContext();
PDFParser pdfparser = new PDFParser();

...

byte[] contentData = null;
contentData = page.getContentData(); //Crawler4j content, delivers valid PDF
//Path path = Paths.get("C:\\Test\\local.pdf"); //use this line to read from a local pdf

//Default fields:
String title = "pdf title";
String content = "";
String suggestions = "";
//
try {
    ////contentData = Files.readAllBytes(path); //use this line to read from a local pdf
    inputstream = new ByteArrayInputStream(contentData);
    pdfparser.parse(inputstream, handler, metadata,pcontext); //THIS LINE CRASHES
    content = "pdf suggestions";
    suggestions = handler.toString();
} catch (Exception e) {
    LOGGER.warn("Error parsing with Tika.", e);
}

我标出了撞车线。由此产生的异常如下所示：

//Tika specific types
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
InputStream inputstream;
ParseContext pcontext = new ParseContext();
PDFParser pdfparser = new PDFParser();

...

byte[] contentData = null;
contentData = page.getContentData(); //Crawler4j content, delivers valid PDF
//Path path = Paths.get("C:\\Test\\local.pdf"); //use this line to read from a local pdf

//Default fields:
String title = "pdf title";
String content = "";
String suggestions = "";
//
try {
    ////contentData = Files.readAllBytes(path); //use this line to read from a local pdf
    inputstream = new ByteArrayInputStream(contentData);
    pdfparser.parse(inputstream, handler, metadata,pcontext); //THIS LINE CRASHES
    content = "pdf suggestions";
    suggestions = handler.toString();
} catch (Exception e) {
    LOGGER.warn("Error parsing with Tika.", e);
}

WARN 2017-07-26 11:17:51302[Thread-5]de.searchadapter.crawler.solrparser.parser.file.PDFFileParser-使用Tika解析时出错。
org.apache.tika.metadata.PropertyTypeException:xmpMM:DocumentID:SIMPLE
位于org.apache.tika.metadata.metadata.add（metadata.java:305）
位于org.apache.tika.parser.image.xmp.JempboxExtractor.addMetadata（JempboxExtractor.java:209）
位于org.apache.tika.parser.image.xmp.JempboxExtractor.extractXMPMM（JempboxExtractor.java:150）
位于org.apache.tika.parser.pdf.PDFParser.extractMetadata（PDFParser.java:239）
位于org.apache.tika.parser.pdf.PDFParser.parse（PDFParser.java:154）
位于de.searchadapter.crawler.solrparser.parser.file.PDFFileParser.parse（PDFFileParser.java:82）
位于de.searchadapter.crawler.solrparser.solrparser.parse（solrparser.java:36）
位于de.searchadapter.crawler.SolrJAdapter.indexDocs（SolrJAdapter.java:58）
在de.searchadapter.crawler.WebCrawler.onBeforeExit（WebCrawler.java:63）中
位于edu.uci.ics.crawler4j.crawler.CrawlController$1.run（CrawlController.java:309）
在java.lang.Thread.run（Thread.java:745）

以上代码来自

PDFFileParser

。我没有设置任何属性，所以我不知道这个错误是从哪里来的

附加信息：PDF文件似乎使用了未知字体，出现以下警告：

11:17:50.963[Thread-5]WARN o.a.pdfbox.pdmodel.font.PDSimpleFont-在font GGOLOE+SANSC5平原中，f_i（30）没有Unicode映射

---

编辑：我编辑了代码，以便它可以读取本地pdf文件。我尝试了另一个PDF文件，但没有得到错误。这似乎是字体失败的结果。

您使用的是什么版本的Apache Tika？如果不是最新版本，升级时会发生什么？我使用的是同一版本，我使用的是最新的Apache Tika版本，即1。16@Yogi啊。。。这个问题：我看到的是相同的

org.apache.tika.metadata.PropertyTypeException:xmpMM:DocumentID:SIMPLE

解决这个问题有什么好运气吗？@bachr我已经讨论这个话题很久了。但我的猜测仍然是一个失败的字体。遗憾的是，我想不起来有什么解决办法