app-engine-javaのGCSからpdfファイルを入手する方法

Question

私はgoogle-app-engineでアプリケーションを実行しています。

google-cloud-storageのpdfファイルからtxtを取得しようとしています。

私はローカルに自分のコードを実行すると、それはを成功しますが、AppEngineの上で動作しているとき、それはここorg.pdfbox.exceptions.WrappedIOException

で失敗した私のコードではありません：

import com.google.cloud.storage.*; 
import org.pdfbox.pdfparser.PDFParser; 
import org.pdfbox.pdmodel.PDDocument; 
import org.pdfbox.util.PDFTextStripper; 


public class Download { 

    public static String perform(String bucket, String file) throws IOException { 
     byte[] fileByte = download(bucket, file); 
     String pdfFileTxt = pdf2txt(fileByte); 
     return pdfFileTxt; 

    } 

    public static byte[] download(String bucketName, String fileId) throws IOException { 
     Storage storage = StorageOptions.getDefaultInstance().getService(); 
     BlobId blobId = BlobId.of(bucketName, fileId); 
     Blob blob = storage.get(blobId); 
     return blob.getContent(); 
    } 

    public static String pdf2txt(byte[] byteArr) throws IOException { 
     InputStream stream = new ByteArrayInputStream(byteArr); 
     PDFParser parser = new PDFParser(stream); 
     parser.parse(); 
     PDDocument pdDoc = new PDDocument(parser.getDocument()); 
     return new PDFTextStripper().getText(pdDoc); 
    } 
} 

コードがorg.pdfbox.exceptions.WrappedIOExceptionでparser.parse();に失敗した - 他のメッセージが追加されました:(

ストレージからのダウンロード - 実際には成功しました。データをログに記録すると、

%PDF-1.3 
%���� 
7 0 obj 
<</Linearized 1/L 7945/O 9/E 3524/N 1/T 7656/H [ 451 137]>> 
endobj 

13 0 obj 
<</DecodeParms<</Columns 4/Predictor 12>>/Filter/FlateDecode/ID[<4DC91A1875A6D707AEC203BB021C93A0><F6C92B368A8A13408457A1D395A37EB9>]/Index[7 21]/Info 6 0 R/Length 52/Prev 7657/Root 8 0 R/Size 28/Type/XRef/W[1 2 1]>>stream 
h�bbd``b`� ��H0� 6G ��#�4�,#��Ɲ_ L�� 
endstream 
endobj 
startxref 
0 
%%EOF 
... more ... 

これを解決するにはどうすればよいですか？おそらく別のライブラリを使用しますか？コードはappengine上で実行されているので、これらのエラーを追跡することは非常に困難です。

Answer 1

PdfBox does not run on GAE。これは、許可されていないJavaクラスを使用します。

を回避すると、修正されたpdfbx jarをダウンロードできます。 icyerasorのanswerに感謝し、these命令を使用してください。ここ

は完全な手順です：

ダウンロードこのfolder 今のCDプロジェクトdirctoryに、次のコマンドを実行します

mkdir local-maven-repo 

を。

mvn deploy:deploy-file -DgroupId=org.apache.pdfbox -DartifactId=pdfbox -Dversion=1.8.0-SNAPSHOT -Durl=file:./local-maven-repo/ -DrepositoryId=local-maven-repo -DupdateReleaseInfo=true -Dfile=/your/path/to/download/directory/pdfbox-GAE/pdfbox-1.8.0-SNAPSHOT.jar 

。

プロジェクトの下のポンポンで

mvn deploy:deploy-file -DgroupId=org.apache.pdfbox -DartifactId=fontbox -Dversion=1.8.0-SNAPSHOT -Durl=file:./local-maven-repo/ -DrepositoryId=local-maven-repo -DupdateReleaseInfo=true -Dfile=/your/path/to/download/directory/pdfbox-GAE/dependencies/fontbox-1.8.0-SNAPSHOT.jar 

追加：

<repositories> 
    <repository> 
     <id>local-maven-repo</id> 
     <url>file:///${project.basedir}/local-maven-repo</url> 
    </repository> 
</repositories> 

は今ポンポンであなたの依存関係を編集します。

 <dependency> 
     <groupId>commons-logging</groupId> 
     <artifactId>commons-logging</artifactId> 
     <version>1.1.1</version> 
    </dependency> 
    <!-- https://mvnrepository.com/artifact/commons-logging/commons-logging-api --> 
    <dependency> 
     <groupId>commons-logging</groupId> 
     <artifactId>commons-logging-api</artifactId> 
     <version>1.1</version> 
    </dependency> 
    <!-- https://mvnrepository.com/artifact/commons-logging/commons-logging-adapters --> 
    <dependency> 
     <groupId>commons-logging</groupId> 
     <artifactId>commons-logging-adapters</artifactId> 
     <version>1.1</version> 
    </dependency> 
    <dependency> 
     <groupId>org.apache.pdfbox</groupId> 
     <artifactId>fontbox</artifactId> 
     <version>1.8.0-SNAPSHOT</version> 
    </dependency> 
    <dependency> 
     <groupId>org.apache.pdfbox</groupId> 
     <artifactId>pdfbox</artifactId> 
     <version>1.8.0-SNAPSHOT</version> 
    </dependency> 

。

最後に作業コード

：

import com.google.cloud.storage.*; 
import org.apache.pdfbox.pdmodel.PDDocument; 
import org.apache.pdfbox.util.PDFTextStripper; 

public class Download { 

    public static String perform(String bucket, String file) throws Exception { 
     byte[] fileByte = download(bucket, file); 
     String pdfFileTxt = pdf2txt2(fileByte); 
     return pdfFileTxt; 
    } 

    public static byte[] download(String bucketName, String fileId) throws IOException { 
     Storage storage = StorageOptions.getDefaultInstance().getService(); 
     BlobId blobId = BlobId.of(bucketName, fileId); 
     Blob blob = storage.get(blobId); 
     return blob.getContent(); 
    } 


    public static String pdf2txt2(byte[] byteArr) throws IOException { 
     InputStream myInputStream = new ByteArrayInputStream(byteArr); 
     PDDocument pddDoc = PDDocument.load(myInputStream); 
     PDFTextStripper reader = new PDFTextStripper(); 
     String pageText = reader.getText(pddDoc); 
     pddDoc.close(); 
     return pageText; 
    } 
}