1
我使用偉大的Apache Tika庫解析文件。我想用我自己的解析器提取元標記，然後僅從<body> -tag獲取HTML內容並將其存儲在數據庫中。解析元標記並從Tika身上獲取HTML內容
現在我已經試過這幾個小時/天:-(，但無法找到一個解決方案：當我使用ToHTMLContentHandler後的<body> -tag我得到一個無效的命名空間異常而不
<html>-tag。BodyContentHandler僅返回正文中不包含HTML標籤。- 的
tika-app似乎用一個TransformerHandler獲得HTML（我從來沒有聽說過這樣的處理程序befor的e。）我可以使用它來從<body>-tag獲取HTML並自己解析元標記嗎？這是比使用ToHTMLContentHandler更好的方法嗎？
謝謝，我不知道這些有趣的文章，但他們不解決我的問題。當我僞造''開始元素時，我終於使用'TransformerHandler'，它也在'
'標籤後面工作。 – Sonson123 2013-03-19 13:04:45很高興在這裏！如果你對你的問題有一些解決方案，你可以在這裏發佈它並將此線程標記爲「已回答」。所以，有類似問題的其他人可以從這裏獲得參考。 – 2013-03-26 05:15:09
很難發佈我的解決方案的通用版本，它只是一個黑客。如果任何人有類似的問題，我會建議他看看'tika-app'的來源，並閱讀更多關於XSLT處理的內容。 – Sonson123 2013-03-26 16:36:37