导入PDFBox依赖后Apache Tika PDFParser报NoClassDefFoundError求助

核心原因 #

你遇到的NoClassDefFoundError是依赖版本冲突导致的：

• Tika 1.12内置依赖的是PDFBox 1.x版本，该版本的加密异常类路径为org.apache.pdfbox.exceptions.CryptographyException
• 你手动添加的PDFBox 2.0.12属于大版本升级，已经移除了这个旧包路径，相关异常被迁移到org.apache.pdfbox.io下，导致Tika的PDFParser加载时找不到旧类。

解决方案 #

方案1：移除手动添加的PDFBox依赖，用Tika自带的适配版本

直接删除你添加的PDFBox 2.0.12依赖，Tika 1.12已经自带了适配的PDFBox 1.x版本，不会再出现类加载异常。

如果需要处理扫描版PDF（图片型PDF），请添加Tika的OCR扩展依赖，而非手动引入PDFBox：

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers</artifactId>
    <version>1.12</version>
</dependency>
<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>3.0.0</version>
</dependency>

添加后，Tika会自动调用Tesseract OCR处理扫描PDF中的图片内容。

方案2：升级Tika到2.x版本（推荐）

Tika 2.x原生支持PDFBox 2.x，彻底解决版本冲突问题，同时OCR集成更完善：

<!-- Tika核心包 -->
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>2.9.1</version>
</dependency>
<!-- 标准解析器包（包含PDF解析） -->
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers-standard-package</artifactId>
    <version>2.9.1</version>
</dependency>
<!-- OCR模块，处理扫描PDF -->
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers-ocr-module</artifactId>
    <version>2.9.1</version>
</dependency>

升级后，你不需要手动引入PDFBox，Tika会自动管理适配的依赖版本。

内容的提问来源于stack exchange，提问作者Anson Pang