R语言使用Tabulizer提取PDF表格时触发Java非法访问报错

问题根因 #

该报错由Java 9+版本引入的JPMS模块访问限制导致：高版本JDK默认禁止未命名模块访问java.base核心模块下的类成员，旧版rJava、tabulizer未适配该权限规则，在M1芯片Mac设备上安装最新版JDK时会触发该问题，和PDF合并、文件路径的代码逻辑无关。

核心报错信息：Error in .jcall("RJavaTools", "Ljava/lang/Object;", "invokeMethod", cl, : java.lang.IllegalAccessException: class RJavaTools cannot access a member of class java.util.ArrayList$Itr (in module java.base) with modifiers "public"

分步解决方法 #

• 替换兼容版本JDK
  卸载当前安装的高版本Java，安装aarch64架构适配M1芯片的JDK 8或者JDK 11（这两个版本是tabulizer官方验证的全兼容版本，无模块访问限制），安装完成后在终端执行/usr/libexec/java_home -V确认已安装的JDK路径。
• 配置R端Java环境
  打开R/RStudio，在加载rJava、tabulizer之前先配置JAVA_HOME环境变量，示例代码如下：

  # 替换路径为上一步查到的JDK8/JDK11的实际Home路径
  Sys.setenv(JAVA_HOME = "/Library/Java/JavaVirtualMachines/temurin-11.jdk/Contents/Home")
  library(rJava)
  # 初始化JVM验证是否加载正常，无报错则配置成功
  .jinit()
  

• 临时兼容方案（不降级Java时使用）
  如果不想卸载高版本JDK，在启动RStudio之前，先在终端执行如下命令配置JVM启动参数，放开模块访问权限后再启动RStudio即可：

  export JAVA_TOOL_OPTIONS="--add-opens java.base/java.util=ALL-UNNAMED --add-opens java.base/java.lang=ALL-UNNAMED"
  open -a RStudio
  

• 重装适配M1架构的依赖包
  完成Java配置后，重装相关依赖包避免架构不匹配问题，在R控制台执行：

  remove.packages(c("tabulizer", "rJava", "tabulizerjars"))
  install.packages(c("rJava", "tabulizerjars", "tabulizer"), type = "binary")
  

验证代码 #

完成上述配置后，运行原复现代码即可正常提取表格：

library(tabulizer)
library(rJava)
library(pdftools)
setwd(file.path(dirname(rstudioapi::getActiveDocumentContext()$path),'Input Files'))

pdf_files<- list.files(pattern = ".pdf$")

pdf_joined<- pdf_combine(pdf_files,output = "joined.pdf")
f <- "joined.pdf"

out1 <- extract_tables(f)

内容的提问来源于stack exchange，提问作者saph