jedes Zeichen in einer separaten Zeile (jedes Zeichen wird in eine neue Zeile) während der Analyse einer PDF-Datei mit Apache Tika

Question

Ich versuche, eine PDF-Datei mit Tika.Parse analysieren, wenn ich meine PDF-Datei analysieren, bekomme ich jedes Zeichen getrennt line.Zum Beispiel ist mein pdf-Dateiinhalt "Hello World". Ich erwarte, dass es wie "Hello World" herauskommt, aber ich werde wie folgt ausgegeben.

H 
e 
l 
l 
o 

W 
o 
r 
l 
d. 

bitte helfen Sie mir, dieses Problem zu lösen.Folgen ist mein Programm.

import java.io.BufferedInputStream; 
import java.io.FileInputStream; 
import java.io.InputStream; 

import org.apache.tika.metadata.Metadata; 
import org.apache.tika.parser.AutoDetectParser; 
import org.apache.tika.parser.DefaultParser; 
import org.apache.tika.sax.BodyContentHandler; 
import org.xml.sax.ContentHandler; 

public class TikaTest { 
    public static void main(String args[]) { 
     TikaTest test = new TikaTest(); 
     System.out.println(test.getContent()); 
    } 

    public String getContent() { 
     String content = ""; 
     Metadata mData = null; 
     ContentHandler cHandler = null; 
     AutoDetectParser adp = null; 

     try { 

      InputStream inStream = new BufferedInputStream(new FileInputStream(
        "/home/prasad/Desktop/kc/Purchase Order Detail - TEXT.pdf")); 
      mData = new Metadata(); 
      cHandler = new BodyContentHandler(); 
      adp = new AutoDetectParser(); 
      DefaultParser pdfParser = new DefaultParser(); 
      adp.parse(inStream, cHandler, mData); 

      content = cHandler.toString(); 

     } catch (Exception e) { 
      e.printStackTrace(); 
     } 
     return content; 
    } 

} 

Ich habe versucht, das @https://stackoverflow.com/a/27551264/4579100 gegebene Lösung aber immer noch die gleiche Leistung zu bekommen.

Answer 1

Sie können einfach Zeichen Methode in BodyContentHandler außer Kraft setzen und

@Override 
public void characters(char[] arg0, int arg1, int arg2) throws SAXException { 

    if(arg0.length!=1) 
    { 
     char[] arr=new char[arg0.length*2]; 
     for(int i=0;i<arr.length;i+=2) 
     { 
      arr[i]=arg0[i/2]; 
      arr[i+1]='\n'; 

     } 
     super.characters(arr,arg1, arr.length); 
    } 
    else 
    { 
     super.characters(arg0, arg1, arg2); 
    } 
}