Tika拉鍊炸彈例外

我們使用Tika 1.1從XLSM文件中提取內容。我們有兩個服務器實例。在其中一臺服務器上，文件內容正在被正確提取。但在另一臺服務器上，我得到了同一個文件的zip bomb異常。我們在兩種情況下都使用相同的tika獨立罐。但我無法確定這個問題。Tika拉鍊炸彈例外

不確定SAX配置是否在運行時產生問題（我對SAX不熟悉）。我該如何調試這個問題？

引起：org.apache.tika.exception.TikaException：檢測到Zip炸彈！ at org.apache.tika.sax.SecureContentHandler.throwIfCauseOf（SecureContentHandler.java:192） at org.apache.tika.parser.AutoDetectParser.parse（AutoDetectParser.java:123） at org.apache.tika.Tika。 parseToString（Tika.java:380） at com.ptc.search.solr.contentReader.contentExtraction.TikaExtractor.getContent（TikaExtractor.java:36） ... 45更多引起：org.apache.tika.sax。 SecureContentHandler $ SecureSAXException：可疑的zip炸彈：在org.apache.tika.sax.SecureContentHandler.startElement（SecureContentHandler.java:234）處的org.apache.tika.sax.ContentHandlerDecorator.startElement（ContentHandlerDecorator。 java：126） at org.apache.tika.sax.ContentHandlerDecorator.startEl EMENT（ContentHandlerDecorator.java:126）在org.apache.tika.sax.ContentHandlerDecorator.startElement（ContentHandlerDecorator.java:126）在org.apache.tika.sax.ContentHandlerDecorator.startElement（ContentHandlerDecorator.java:126）在org.apache.tika.sax.SafeContentHandler.startElement（SafeContentHandler.java:264） at org.apache.tika.sax.XHTMLContentHandler.startElement（XHTMLContentHandler.java:244） at org.apache.tika.sax.XHTMLContentHandler。的startElement（XHTMLContentHandler.java:274）在org.apache.tika.sax.XHTMLContentHandler.element（XHTMLContentHandler.java:313）在org.apache.tika.parser.microsoft.ooxml.XSSFExcelExtractorDecorator.extractHeaderFooter（XSSFExcelExtractorDecorator.java： 145） at org.apache.tika.parser.microsoft .ooxml.XSSFExcelExtractorDecorator.buildXHTML（XSSFExcelExtractorDecorator.java:129）在org.apache.tika.parser.microsoft.ooxml.AbstractOOXMLExtractor.getXHTML（AbstractOOXMLExtractor.java:104）在org.apache.tika.parser.microsoft.ooxml .OXMLExtractorFactory.parse（OOXMLExtractorFactory.java:110） at org.apache.tika.parser.microsoft.ooxml.OOXMLParser.parse（OOXMLParser.java:82） at org.apache.tika.parser.CompositeParser.parse（CompositeParser .java：242） at org.apache.tika.parser.CompositeParser.parse（CompositeParser.java:242） at org.apache.tika.parser.AutoDetectParser.parse（AutoDetectParser.java:120） ... 47更多

來源

2014-02-19 sidgate

「a」拉鍊炸彈「，即一個壓縮文檔，該文檔擴展爲過量的提取文本。」 – WonderWorld

是的，XLSM文檔實際上是一個壓縮文檔。但我擔心的是同一個文件的內容提取在一個環境中運行良好，但在另一個環境中卻不行而且我無法找出兩種環境之間的差異。有什麼我需要尋找？ – sidgate

默認允許的XML嵌套級別爲100，如果超過此值，則會得到該異常。解決方法是增加默認的maxPackageEntryDepth。最大嵌套限制可以直接在SecureContentHandler級別上設置。 – WonderWorld

調試完tika代碼之後，我意識到我已經在WriteOutContentHandler上設置了maxStringLength，並且代碼在達到限制後拋出zip bomb錯誤。正確的錯誤消息可能會幫助更快。無論如何，感謝所有的輸入。我們一定會計劃轉向最新版本。

我們應該在Jira中創建一個缺陷來拋出正確的錯誤信息嗎？

來源

2014-02-21 05:50:52 sidgate

我解決了這個問題，在安裝

emerge app-office/unoconv

和執行

$ unoconv -fpdf file.xlsm

它將創建該文件的同一目錄.pdf文件，那麼你可以把它送到提卡。

我的服務器是Gentoo，然後適應你的dist。

來源

2016-06-24 16:21:42 augustocbx

Tika拉鍊炸彈例外

回答

相關問題