Android Studio Java中用Apache PDFBox提取PDF文本遇URI转File报错

问题原因 #

你通过ACTION_OPEN_DOCUMENT获取的Uri是内容URI（格式通常为content://开头），这类Uri并非指向本地文件系统的真实路径，直接调用uri.getPath()得到的字符串无法对应到实际文件，因此创建File对象后会抛出FileNotFoundException。

解决方案 #

无需将Uri转换为File，直接通过ContentResolver获取文件输入流，传递给PDFBox的PDDocument.load()方法即可。修改后的readTextFromPDF方法如下：

private void readTextFromPDF(Uri uri) throws IOException {
    // 直接通过ContentResolver获取输入流
    try (InputStream inputStream = getContentResolver().openInputStream(uri);
         PDDocument document = PDDocument.load(inputStream)) {
        
        PDFTextStripper pdfTextStripper = new PDFTextStripper();
        String text = pdfTextStripper.getText(document);

        TextView textView = findViewById(R.id.test);
        textView.setText(text);
    }
}

关键修改点说明 #

• 使用getContentResolver().openInputStream(uri)获取内容URI对应的输入流，这是Android访问内容提供者中文件的标准方式。
• 采用try-with-resources语法自动关闭InputStream和PDDocument，避免手动关闭时遗漏导致的资源泄漏。
• 移除原代码中创建File和FileInputStream的逻辑，彻底规避内容URI转文件路径的问题。

额外注意事项 #

1. PDFBox依赖配置：确保在模块的build.gradle（Module级别）中添加PDFBox依赖：

dependencies {
    implementation 'org.apache.pdfbox:pdfbox:2.0.34' // 可替换为最新稳定版本
}

2. 内存优化：PDFBox处理PDF时可能占用较多内存，建议在AndroidManifest.xml的<application>标签中添加：

<application
    ...
    android:largeHeap="true">
    ...
</application>

内容的提问来源于stack exchange，提问作者Bastian