如何使用tika 1.6获取文本内容文件？ [英] How to get the text content files with tika 1.6?

问题描述

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

Hi i try get the text content from any files in this list pdf,txt,doc,docx and odt the implementation with tika previously worked fine but now is broken, The code is it:

```

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));
 ...
}

```

任何想法？ ，执行不好？

Any ideas? , bad implementation ?

推荐答案

你需要添加tika-parsers。

You need to add tika-parsers.

例如，使用maven将此依赖项添加到您的pom.xml：

For example with maven add this dependency to your pom.xml:

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

你可以使用Auto-Detect Parser：

And you can use Auto-Detect Parser:

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();
}

这篇关于如何使用tika 1.6获取文本内容文件？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！