Amazon SageMaker运行tabula报JavaNotFoundError该怎么安装Java？

报错原因：tabula-py底层依赖Java运行环境，SageMaker默认Notebook实例未预装Java，因此执行read_pdf方法时触发JavaNotFoundError。

安装配置Java的操作步骤 #

方式一：直接在Notebook单元格中执行安装（推荐，无需切换终端） #

• 新建空白单元格，执行以下Shell命令：

!sudo apt update && sudo apt install -y openjdk-11-jre-headless

安装选择无界面版本的OpenJDK 11，资源占用低，和tabula-py兼容性最优，全程无需人工交互，等待几十秒即可完成。

• 验证Java安装结果：

!java -version

正常返回如下格式内容即代表安装成功：

openjdk version "11.0.x"
OpenJDK Runtime Environment (build 11.0.x+xxx)
OpenJDK 64-Bit Server VM (build 11.0.x+xxx, mixed mode, sharing)

方式二：在SageMaker终端执行安装 #

如果偏好终端操作，点击Notebook界面右上角的「New」-「Terminal」进入终端，依次执行以下命令即可：

sudo apt update
sudo apt install -y openjdk-11-jre-headless

测试tabula运行 #

Java安装完成后无需重启Notebook内核，直接运行原有代码即可正常读取PDF内容：

import tabula
pdf_path = "https://github.com/chezou/tabula-py/raw/master/tests/resources/data.pdf"
dfs = tabula.read_pdf(pdf_path, stream=True)
# 输出第一张表的内容验证
print(dfs[0])

注意事项 #

• SageMaker默认Notebook实例重启后，系统盘的非持久化修改会被重置，再次使用需要重新执行安装命令。如果需要开机自动配置Java，可以将安装命令写入实例的生命周期配置启动脚本中。
• 优先选择OpenJDK 8或11版本，避免使用过高版本Java导致tabula运行异常。

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