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

Question

NiFi 1.11.4

你好，

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

• Cloudera article
• fun nifi article

（[NiFi template on github）

Groovy脚本以]开头

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

脚本可以正常运行，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

脚本未运行：

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

NiFi 1.11.4，您好，我找到了一个有趣的解决方案，该文件可通过ExecuteScript（Groovy）从pdf文件中提取文本和图像：Cloudera文章fun nifi文章（github上的NiFi模板The ...

Answer 1

PDFTextStripper已重构为新的程序包。在pdfbox 1.8.x中，它确实位于org.apache.pdfbox.util中，但是从2.0.0版本开始，它位于org.apache.pdfbox.text中。