Selenium读取URL中PDF内容时PDDocument load方法报错如何解决

问题1：The method load(BufferedInputStream) is undefined for the type PDDocument报错 #

原因 #

该报错为PDFBox版本API不匹配或类导入错误导致：

• 若使用PDFBox 3.0及以上版本，官方已将原静态load()方法重命名为open()
• 若使用2.x版本仍报错，要么是导入了非Apache PDFBox的同名PDDocument类，要么是依赖包版本不一致（pdfbox和fontbox版本必须完全对应）

解决步骤 #

• 首先确认导包正确：

import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;
import java.io.BufferedInputStream;
import java.io.InputStream;
import java.net.URL;
import java.io.IOException;

• 若使用3.x版本，将加载代码替换为：

PDDocument doc = PDDocument.open(bf);

• 推荐使用稳定2.x版本，Maven依赖示例：

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.32</version>
</dependency>
<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>fontbox</artifactId>
    <version>2.0.32</version>
</dependency>

问题2：无法从URL加载PDF #

原因 #

你提供的URL是PDF在线预览页面地址，返回的是HTML内容，不是PDF二进制文件流，直接请求无法解析为PDF；另外该接口需要身份校验，直接用URL.openStream()没有携带浏览器的登录Cookie，会被服务器拒绝访问。

解决步骤 #

1. 替换为PDF直链：找到站点返回PDF二进制流的直接链接，而不是预览页地址
2. 携带身份信息请求：如果你用Selenium操作浏览器已经登录，可以从Selenium实例中获取所有Cookie，添加到PDF请求的头信息中，示例如下：

// 从Selenium driver获取Cookie，添加到请求头
Map<String, String> cookies = driver.manage().getCookies().stream()
    .collect(Collectors.toMap(Cookie::getName, Cookie::getValue));
String cookieStr = cookies.entrySet().stream()
    .map(e -> e.getKey() + "=" + e.getValue())
    .collect(Collectors.joining("; "));
String userAgent = driver.executeScript("return navigator.userAgent").toString();

3. 优化资源管理：用try-with-resources语法自动关闭流和PDDocument资源，避免内存泄漏，不需要手动调用close()方法。

修正后的完整工具方法 #

public static String readPdfContent(String pdfDirectUrl, String cookieStr, String userAgent) throws IOException {
    URL pdfUrl = new URL(pdfDirectUrl);
    HttpURLConnection conn = (HttpURLConnection) pdfUrl.openConnection();
    conn.setRequestProperty("Cookie", cookieStr);
    conn.setRequestProperty("User-Agent", userAgent);

    try (InputStream in = conn.getInputStream();
         BufferedInputStream bf = new BufferedInputStream(in);
         PDDocument doc = PDDocument.load(bf)) {
        int numberOfPages = doc.getNumberOfPages();
        System.out.println("The total number of pages " + numberOfPages);
        return new PDFTextStripper().getText(doc);
    }
}

内容的提问来源于stack exchange，提问作者ankush singh