apache tika提取文件元数据

r囧r小猫 2022-03-15 07:06 360阅读 0赞

maven坐标

<dependency>
    			<groupId>org.apache.tika</groupId>
    			<artifactId>tika-server</artifactId>
    			<version>1.20</version>
    	</dependency>

测试代码

@Test
    	public void parseToPlainText() throws IOException, TikaException, org.xml.sax.SAXException {
    		BodyContentHandler handler = new BodyContentHandler();
    		File file=new File("C:/Users/yunxun/Desktop/开发总纲.doc");
            Metadata metadata = new Metadata();
    		metadata.set(Metadata.RESOURCE_NAME_KEY, file.getName());
    		ParseContext content = new ParseContext();
                //自动检测文件类型
    		Parser parser = new AutoDetectParser();
    		InputStream stream = new FileInputStream(file);
    		content.set(Parser.class,parser);
    		parser.parse(stream, handler, metadata, content);
    //		System.out.println("数据内容:\n" + handler.toString());
    		System.out.println("元数据:");
    		String[] metadataNames = metadata.names();
    		for (String name : metadataNames) {
    			System.out.println(name + ": " + metadata.get(name));
    		}
    	}

结果:

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTcxNzUy_size_16_color_FFFFFF_t_70][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwOTcxNzUy_size_16_color_FFFFFF_t_70]: /images/20220315/f32a358920724a65b5427b9a8fe3c90c.png

发表评论取消回复

表情：

评论列表（有 0 条评论，360人围观）

还没有评论，来说两句吧...

相关阅读

相关【Python】使用Apache Tika和Python实现zip、csv、xls等多格式文件文本内容提取

------------------- 时间的电影结局才知道原来大人已没有童谣最后的叮咛最后的拥抱我们红着眼笑我们都要把自己照顾好 ...

墨蓝/ 2024年04月17日 11:22/ 0 赞/ 77 阅读

相关 HBase数据库的元数据提取

　　在HBase数据库中，我总结的元数据总共包括两种数据，一是所有的表，二是表的元数据和表里面的部分样本数据。下面就是我进行元数据获取的步骤。　　我们要从zookee

Myth丶恋晨/ 2023年09月25日 11:51/ 0 赞/ 51 阅读

相关 Apache Tika 解析文件头及映射关系表

叙述检测文件类型靠读取后缀名的做法，是极度不安全可靠的。后缀名是可以任意修改的，很容易识别错误。我们使用Apache Tika来解析每个文件的文件头信息，返回具体的

灰太狼/ 2023年02月20日 04:57/ 0 赞/ 20 阅读

相关如何使用Tika提取文件内容

如何使用Tika提取文件内容 ![在这里插入图片描述][20210119112922595.png] 什么是Tika？ Tika全名Apache Tika，

Love The Way You Lie/ 2023年01月08日 05:27/ 0 赞/ 476 阅读

相关使用 JDBC 提取数据库元数据

1.介绍 JDBC提供了一个 Java API 来读取存储在数据库表中的实际数据。除此之外，还可以使用相同的 API 读取有关数据库的元数据。元数据是指有关数据的数据，例

系统管理员/ 2022年09月03日 15:28/ 0 赞/ 257 阅读

相关 TIKA元数据提取

使用Tika提取图片文件的元数据 package metadata; import java.io.File; import java.io.File

拼搏现实的明天。/ 2022年08月21日 13:56/ 0 赞/ 237 阅读

相关 Apache Tika使用报告

实验对象：Apache Tika 实验目的：通过尝试使用Apache Tika进行文件格式转换，加深对搜索引擎的理解和认识 -------------------- 目

旧城等待，/ 2022年05月10日 13:20/ 0 赞/ 212 阅读

相关使用Apache Tika实现内容分析

使用Apache Tika实现内容分析 Apache Tika可以抽取不同类型的内容和元信息的开源工具，如word、excel、pdf，甚至多媒体文件如JPEG、MP4。所

柔光的暖阳◎/ 2022年04月23日 08:26/ 0 赞/ 657 阅读

相关 apache tika判断文件类型

判断文件类型一般可采用两种方式 1. 后缀名判断简单易操作，但无法准确判断类型 2. 文件头信息判断通常可以判断文件类型，但有些文件类型无

刺骨的言语ヽ痛彻心扉/ 2022年03月20日 14:54/ 0 赞/ 448 阅读

相关 apache tika提取文件元数据

maven坐标 <dependency> <groupId>org.apache.tika</groupId> <artifactId>t

r囧r小猫/ 2022年03月15日 07:06/ 0 赞/ 361 阅读