Tika解析文件Demo

浅浅的花香味﹌ 2022-04-13 10:27 306阅读 0赞

package com.qin.testparser;
    
    import java.io.File;
    import java.io.FileInputStream;
    
    import org.apache.tika.metadata.Metadata;
    import org.apache.tika.mime.MimeType;
    import org.apache.tika.mime.MimeTypes;
    import org.apache.tika.mime.MimeTypesFactory;
    import org.apache.tika.parser.AutoDetectParser;
    import org.apache.tika.parser.ParseContext;
    import org.apache.tika.parser.Parser;
    import org.apache.tika.parser.microsoft.OfficeParser;
    import org.apache.tika.sax.BodyContentHandler;
    
    
    /**
     * 使用Tika解析
     * 各种文件
     * 
     * 
     * @author qindongliang
     * 
     * 
     * ***/
    
    
    public class ParseDoc {
       
    
    
    
    
    	public static void main(String[] args)throws Exception {
       
    
    		//FileInputStream f=new FileInputStream(new File("D:\\校讯通产品用户使用手册.doc"));
    		//FileInputStream f=new FileInputStream(new File("E:\\tika\\tika in action.pdf"));
    		 FileInputStream f=new FileInputStream(new File("D:\\345.jpg"));
    		 Parser p= new AutoDetectParser();//自动获取一个合适的解析器类型  
    		 //如果文件很大，那么这个值可以适当调大
    		 BodyContentHandler hand= new BodyContentHandler(10000);
    		 Metadata me=new  Metadata();		 
    		 ParseContext pct=new ParseContext();
    		// p.parse(f, hand ,new Metadata(), new ParseContext());
    		 p.parse(f, hand ,me, pct);
    		//打印读取的文本
    		System.out.println(hand.toString());
    
    
    	}
    
    }

发表评论取消回复

表情：

评论列表（有 0 条评论，306人围观）

还没有评论，来说两句吧...

相关阅读

相关使用Tika进行文档解析抽取

1、文本内容抽取文件搜索的第一要务是抽取文件内容，我们使用Apache Tika。 Apache Tika是一个用户文件类型检测和文件内容提取的库，Apache顶级

偏执的太偏执、/ 2023年10月09日 11:59/ 0 赞/ 32 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/ 477 阅读

相关 tika读取文件内容

![07091814_WSiM.png][] Tika是一个内容抽取的工具集合(a toolkit for text extracting)。它集成了[POI][],

旧城等待，/ 2022年08月25日 10:57/ 0 赞/ 309 阅读

相关文件内容读取--Tika

功能介绍 Tika是Apache下开源的文档内容解析工具，支持上千种文档格式（如PPT、XLS、PDF）。Tika使用统一的方法对各种类型文件进行内容解析,封装了各种格式

Love The Way You Lie/ 2022年07月03日 23:13/ 0 赞/ 309 阅读

相关 SqlServer 解析xml文件（demo版）

目的：利用SqlServer解析xml文件，相对于poi优点传输速度快（体积小），减少查询直接在数据库操作一、SQL代码 DECLARE @idoc int

清疚/ 2022年05月26日 07:16/ 0 赞/ 297 阅读

相关利用mysql解析xml文件（demo版）

目的：利用存储过程去解析xml文件，先用Excel的宏对输入的格式（包括字典表）进行初步校验，转成xml格式文件，当做一个字段存入mysql临时表，对xml进行解析，相当于多行

我会带着你远行/ 2022年05月26日 07:11/ 0 赞/ 610 阅读

相关 Tika解析文件Demo

package com.qin.testparser; import java.io.File; import java.io.FileInp

浅浅的花香味﹌/ 2022年04月13日 10:27/ 0 赞/ 307 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/ 362 阅读