如何檢測文檔中的圖像

如何檢測文檔中的圖像，如doc，xls，ppt或pdf？如何檢測文檔中的圖像

我遇到了Apache Tika，我正在嘗試它的命令行選項。 http://tika.apache.org/1.2/gettingstarted.html

但是不太清楚它將如何檢測圖像。

任何幫助表示讚賞。

感謝

來源

2012-08-13 pratz

你想要一個純粹的命令行解決方案，還是很樂意編寫一些Java？ – Gagravarr 2012-08-13 11:45:27

@ Gagravarr我想要命令行解決方案，因爲我想使用Tika和Python。 – pratz 2012-08-14 09:21:23

你說你想使用命令行解決方案，而不是編寫任何Java代碼，所以它不會是最好的方法來做到這一點......如果你很高興寫一點Java ，並創建一個新的程序來從Python調用，那麼你可以做得更好！

要做的第一件事就是讓Tika應用程序提取出文件中的任何嵌入式資源。使用此的--extract選項，並有提取發生在你應用控制一個特殊的臨時目錄，如

$ java -jar tika.jar --extract ../testWORD_embedded_pdf.doc 
Extracting 'image1.emf' (application/x-emf) 
Extracting '_1402837031.pdf' (application/pdf)

抓住提取的輸出，如果你能，並解析需要的圖片（但要注意，一些圖像的canconical mimetype上有一個application/前綴！）。您可能需要對少數幾個人進行第二步檢測，我不確定，測試解析器如何繼續提取。

現在，如果有圖像，它們將在您的測試目錄中。按照你的想法處理它們。最後，當你完成文件時，打開臨時目錄！

來源

2012-08-14 15:25:58 Gagravarr

謝謝兄弟，這很好。我可以只獲取圖像的信息嗎？我不想將它們解壓到一個目錄。可能嗎？ – pratz 2012-08-16 10:57:37

是的，你可以做到這一點，但只有你寫了一些Java代碼！如果你只想使用Tika-App命令行工具，那麼稍後提取和清理是唯一的方法 – Gagravarr 2012-08-16 11:11:33

我想知道你是否可以發佈鏈接或代碼來檢測使用tika庫的文件中的圖像。 – 2013-11-24 12:57:43

曾使用蒂卡過去 ~~我看不到提卡如何與嵌入Office文檔或PDF~~ 我錯了回答不可以。你 ~~內的圖像幫助將有可能~~ 仍然嘗試解析爲本地API，如Apache POI和Apache PDFBox。 Tika確實使用這兩個庫來解析文本和元數據，但沒有嵌入式圖像支持。

使用Tika使這些API自動可用（使用Tika的副作用）。

UPDATE： 由於提卡0.8：尋找EmbeddedResourceHandler和例子 - 由於Gagravarr。

來源

2012-08-13 18:49:53 topchef

除了Apache Tika之外，您還可以推薦其他任何工具嗎？ – pratz 2012-08-14 09:21:53

這是不正確的，Tika處理嵌入式資源就好了！ – Gagravarr 2012-08-14 10:49:51

@Gagravarr - 感謝您糾正我 - 添加鏈接到適當的Tika界面。 – topchef 2012-08-14 23:06:28

如何檢測文檔中的圖像

回答

相關問題