使用Tabula-py时触发Java致命错误的技术求助

问题根源分析 #

你遇到的CodeHeap::allocate触发的SIGBUS错误，大概率是JDK版本兼容性、JVM内存配置不足，或是Tabula-py与ARM64架构的适配问题导致的。以下是针对性的解决步骤：

1. 降级JDK到LTS版本 #

JDK22属于非LTS版本，Tabula-py依赖的Java后端（Tabula-java）对新非LTS版本的兼容性可能存在问题。建议切换到ARM64架构的JDK17或JDK21（LTS版本）：

• 卸载JDK22：删除/Library/Java/JavaVirtualMachines/jdk-22.jdk文件夹
• 下载ARM64版本的JDK17/21 DMG安装包并完成安装
• 重新配置JAVA_HOME环境变量，确保指向新安装的JDK路径
• 验证：终端运行java -version，确认输出显示aarch64架构

2. 调整JVM CodeHeap内存参数 #

SIGBUS错误出现在CodeHeap分配阶段，可能是默认的CodeCache内存不足。可以通过设置JAVA_OPTS增大CodeCache容量：
修改你的代码，在导入tabula前添加环境变量配置：

import os
# 预留256MB的CodeCache内存，可根据情况调整为512m
os.environ["JAVA_OPTS"] = "-XX:ReservedCodeCacheSize=256m"
import tabula

pdfpath= "Testpdfs/HSA certCut.pdf"
sbc = tabula.read_pdf(pdfpath, stream=True, pages=4, format="CSV")[0]
print(sbc)

3. 验证Tabula-py的Java环境适配性 #

运行以下代码检查Tabula使用的Java环境，确保是ARM64架构的JDK：

import tabula
tabula.environment_info()

如果输出中显示的Java架构是x86_64，说明系统PATH中存在x86版本的Java，需要调整PATH优先级，让ARM64 JDK的路径排在最前面。

4. 更新Tabula-py到最新版本 #

旧版本的Tabula-py可能存在ARM64架构的适配bug，执行以下命令更新：

pip install --upgrade tabula-py

5. 排除PDF文件损坏问题 #

尝试用其他PDF阅读器打开目标文件，确认文件未损坏；或者换一个已知正常的PDF文件运行代码，排查是否是文件本身导致的崩溃。

内容的提问来源于stack exchange，提问作者user23713303