我正在一個項目中,我需要從gz文件中使用apache tika [AM NEW TO TIKA]提取xml(站點地圖)數據。 fie的名字是類似sitemap01.xml.gz 我可以從正常的文本文件或html中提取數據,但我不知道如何從gz中提取xml並從xml中提取meta和數據... 我搜索過谷歌過去兩天。使用apache tika從gzip文件中提取xml數據?
我需要使用tika中的delegateParser從xml中提取數據嗎? 請指引我一些樣品或物品....
這裏是我的嘗試
public void parseXml() throws IOException{
Metadata metadata = new Metadata();
ContentHandler handler = new BodyContentHandler();
Parser parser = new AutoDetectParser();
ParseContext context = new ParseContext();
InputStream stream =this.getClass().getResourceAsStream("sitemap.xml.gz");
try {
parser.parse(stream,handler,metadata,context);
for(int i = 0; i <metadata.names().length; i++) {
String name = metadata.names()[i];
System.out.println(name + " : " + metadata.get(name));
}
System.out.println(handler.toString());
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (SAXException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (TikaException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}finally{
if(stream!=null) {
stream.close();
}
}
}