OutOfMemoryError avec PDFBox
Bonjour tout le monde
J'ai un gros problème avec un moteur de recherche que j'ai développé avec Lucene pour un de mes sites web.
Il y a plus de 8000 PDF à indexer et pour la plupart d'entre eux ça fonctionne bien. Mais pour quelques uns j'ai une "OutOfMemoryError" qui a pour conséquence de planter mon indexation. Cette erreur se produit avec environ 10 des PDF. Mais quand j'essaye d'indexer uniquement ces 10 là ça marche !!
Voici mon code qui est assez simple
Code:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
|
/**
* Get the text content of a PDF file
*/
public String getText(File document) {
StringBuffer text = new StringBuffer();
FileInputStream in = null;
StringWriter output = null;
PDDocument doc = null;
try {
if (document.length() < tailleLimiteLong*1024*1024){
in = new FileInputStream(document);
PDFParser parser = new PDFParser(in);
parser.parse();
doc = parser.getPDDocument();
PDFTextStripper stripper = new PDFTextStripper();
stripper.setStartPage(0);
output = new StringWriter();
stripper.writeText(doc, output);
text = output.getBuffer();
} else {
logger.error("File is too big");
}
} catch (Exception e) {
logger.error("Error during indexation : " + document.getPath(),e);
}
try {
if (in!=null) in.close();
} catch (Exception e) {
logger.error("Problem when closing FileInputStream");
}
try {
if (output!=null) output.close();
} catch (Exception e) {
logger.error("Problem when closing StringWriter");
}
try {
if (doc!=null) doc.close();
} catch (Exception e) {
logger.error("Problem when closing PDDocument");
}
return text.toString();
} |
Quelqu'un a t'il déjà rencontré le même problème ?
Merci d'avance pour votre aide.
Eric
