如何使用 tika 1.6 获取文本内容文件？

Question

您好，我尝试从此列表中的任何文件中获取文本内容 pdf、txt、doc、docx 和 odt tika 的实现以前工作正常但现在坏了，代码是：

```

public void uploadFile(FileUploadEvent event) throws Exception {
 UploadedFile file = event.getUploadedFile();
 byte[] data = file.getData();
 Tika tika = new Tika();
 string = tika.parseToString(new ByteArrayInputStream(data));
 ...
}

```

有什么想法吗？ , 实施不当 ?

Answer 1

您需要添加 tika-parsers。

例如，使用 Maven 将此依赖项添加到您的 pom.xml:

<dependency>
        <groupId>org.apache.tika</groupId>
        <artifactId>tika-parsers</artifactId>
        <version>1.7</version>
</dependency>

并且您可以使用自动检测解析器：

BodyContentHandler handler = new BodyContentHandler();
AutoDetectParser parser = new AutoDetectParser();
Metadata metadata = new Metadata();
try {
    parser.parse(is, handler, metadata);
    text = handler.toString();
} catch(TikaException te) {
    System.out.println(te.toString());
} finally {
    is.close();
}

如何使用 tika 1.6 获取文本内容文件？

How to get the text content files with tika 1.6?

apache-tika

jakarta-ee