Shinsuke Sugaya <******@****.***> 1444529815 +0900

Shinsuke Sugaya <******@****.***> 1444529815 +0900

/**
 * PdfExtractor extracts text content from PDF files using Apache PDFBox.
 * It supports password-protected PDFs and can extract embedded documents and annotations.
 *
 * <p>The extractor runs text extraction in a separate thread with a configurable timeout
 * to prevent hanging on problematic PDF files. It also extracts metadata from the PDF
 * document and includes it in the extraction result.
 *
 * <p>Features:

        url = "http://test.com/hoge1.pdf";
        resourceName = null;
        params.put(ExtractData.URL, url);
        params.put(ExtractData.RESOURCE_NAME_KEY, resourceName);
        assertNull(pdfExtractor.getPassword(params));

        url = "http://test.com/hoge1.pdf";
        resourceName = "hoge2.pdf";
        params.put(ExtractData.URL, url);

        url = "http://test.com/hoge1.pdf";
        resourceName = null;
        assertNull(tikaExtractor.getPassword(createParams(url, resourceName)));

        url = "http://test.com/hoge1.pdf";
        resourceName = "hoge2.pdf";
        assertNull(tikaExtractor.getPassword(createParams(url, resourceName)));

        url = null;
        resourceName = "hoge2.pdf";

        data.putValue(ExtractData.RESOURCE_NAME_KEY, "test.pdf");
        data.putValue(ExtractData.URL, "https://example.com/test.pdf");
        data.putValues(ExtractData.FILE_PASSWORDS, new String[] { "pass1", "pass2" });

        assertEquals("test.pdf", data.getValues(ExtractData.RESOURCE_NAME_KEY)[0]);
        assertEquals("https://example.com/test.pdf", data.getValues(ExtractData.URL)[0]);

http://www.jp.playstation.com/about/privacy.html ---------- PDFサンプル.pdf PDFサンプルデータ お知らせPDFサンプルデータお知らせPDFサンプルデータお知らせPDF サンプルデータお知らせPDFサンプルデータお知らせPDFサンプルデー タお知らせPDFサンプルデータお知らせPDFサンプルデータお知らせ PDFサンプルデータお知らせPDFサンプルデータお知らせPDFサンプル データお知らせPDFサンプルデータ お知らせPDFサンプルデータお知らせ PDFサンプルデータお知らせPDFサ ンプルデータお知らせPDFサンプル データお知らせPDFサンプルデータお 知らせPDFサンプルデータお知らせ PDFサンプルデータお知らせPDFサ ンプルデータお知らせPDFサンプル データお知らせPDFサンプルデータお 知らせPDFサンプルデータ お知らせPDFサンプルデータお知らせ PDFサンプルデータお知らせPDFサ ンプルデータお知らせPDFサンプル データお知らせPDFサンプルデータお 知らせPDFサンプルデータお知らせ PDFサンプルデータお知らせPDFサ...

                "hoge.pptx");

        assertContentType("image/jpeg", null, "hoge.jpg");
        assertContentType("image/gif", null, "hoge.gif");

        assertContentType("application/pdf", "extractor/test.pdf", "hoge.pdf");

        assertContentType("application/gzip", "extractor/gz/test.tar.gz", "hoge.tar.gz");
        assertContentType("application/zip", "extractor/zip/test.zip", "hoge.zip");

        final Map<String, String> params = new HashMap<>();
        params.put(ExtractData.RESOURCE_NAME_KEY, "test-document.pdf");

        final ExtractData result = filenameExtractor.getText(in, params);

        assertNotNull(result);
        assertEquals("test-document.pdf", result.getContent());
    }

    /**
     * Test extraction with null parameters map.
     */

        void testCaseInsensitiveExtensions() throws IOException {
            assertEquals("application/pdf", mimeMap.getMimeType("PDF"));
            assertEquals("application/pdf", mimeMap.getMimeType("Pdf"));
            assertEquals("application/pdf", mimeMap.getMimeType("pDf"));
            assertEquals("text/html", mimeMap.getMimeType("HTML"));
            assertEquals("text/html", mimeMap.getMimeType("HtMl"));