如何在Apache Tika v2.9.0中启用PDFParser？

问题根源 #

Tika 2.x彻底重构了模块架构，和1.x直接把PDF解析器塞进标准包的做法不一样，2.x靠**SPI（服务提供者接口）**动态加载各个解析模块。哪怕你lib目录里有tika-parser-pdf-module-2.9.0.jar，只要类路径配置不对或者SPI注册出问题，CompositeParser照样找不到PDFParser。

具体解决步骤 #

1. 把依赖配对 #

如果用Maven/Gradle这类构建工具，别只依赖tika-core和tika-parsers-standard-package，得显式加上PDF解析模块的依赖：

Maven配置

<dependencies>
    <dependency>
        <groupId>org.apache.tika</groupId>
        <artifactId>tika-core</artifactId>
        <version>2.9.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.tika</groupId>
        <artifactId>tika-parsers-standard-package</artifactId>
        <version>2.9.0</version>
        <type>pom</type>
    </dependency>
    <!-- 必须加这个PDF模块依赖 -->
    <dependency>
        <groupId>org.apache.tika</groupId>
        <artifactId>tika-parser-pdf-module</artifactId>
        <version>2.9.0</version>
    </dependency>
</dependencies>

Gradle配置

dependencies {
    implementation 'org.apache.tika:tika-core:2.9.0'
    implementation 'org.apache.tika:tika-parsers-standard-package:2.9.0'
    implementation 'org.apache.tika:tika-parser-pdf-module:2.9.0'
}

要是手动管理JAR包，除了tika-core.jar、tika-parsers-standard-package.jar，得把tika-parser-pdf-module-2.9.0.jar和它依赖的pdfbox系列JAR都放进类路径里，少一个都不行。

2. 检查SPI注册文件 #

打开tika-parser-pdf-module-2.9.0.jar，看看里面META-INF/services/org.apache.tika.parser.Parser这个文件里有没有org.apache.tika.parser.pdf.PDFParser这一行。要是文件缺了或者内容不对，说明JAR包有问题，重新下载个正版的就行。

3. 手动加解析器（实在不行的备选方案） #

要是SPI加载还是搞不定，那就手动把PDFParser塞进CompositeParser里：

import org.apache.tika.config.TikaConfig;
import org.apache.tika.parser.CompositeParser;
import org.apache.tika.parser.Parser;
import org.apache.tika.parser.pdf.PDFParser;

// 先拿默认配置
TikaConfig config = TikaConfig.getDefaultConfig();
CompositeParser compositeParser = (CompositeParser) config.getParser();

// 把PDFParser加进去
PDFParser pdfParser = new PDFParser();
compositeParser.addParser(pdfParser);

// 之后就用这个compositeParser解析文件就行

4. 排查依赖冲突 #

看看有没有其他依赖和Tika的模块打架，比如旧版本的pdfbox或者其他版本的Tika组件，导致类加载出问题。用构建工具的命令查依赖树：

Maven查依赖树

mvn dependency:tree

Gradle查依赖树

gradle dependencies

找到冲突的依赖，把它排除掉，确保所有Tika相关的依赖版本都是2.9.0，版本统一就不会出幺蛾子。

内容的提问来源于stack exchange，提问作者Kipoti