apache-tika

-1熱度

1回答

我正試圖在Fuse（6.3）項目中實現Tika功能。在最新的當前版本1.16中，Tika爲解析器提供了Osgi捆綁包。我無法通過適當的osgi方式將Tika納入我的項目。任何提示如何創建依賴配置並使用osgi包？

0熱度

1回答

Java：Apache Tika：從.doc文件中提取文本時意外的runtimeexception。該文件打開沒有的MSWord

任何錯誤我已經使用TikaParser從「.DOC」中提取純文本文件 public static void main(String[] args) throws Exception { ContentHandler handler = new ToHTMLContentHandler(); AutoDetectParser parser = new AutoDetectPar

0熱度

2回答

使用Solr和TIKA恢復解析

我正在閱讀此slide。我很難理解這種方法。我的兩個查詢是：如何Solr保持semi-structured document像簡歷（如姓名，技能，教育等）可以Apache TIKA提取PDF文件的部分智慧信息架構？由於每個簡歷都有不同的部分，我如何定義實體的通用模式？

1熱度

1回答

通過artifactory不能解決Tika的傳遞依賴性的等級

我正在努力發佈第一個真正有用的JesterJ版本，並且遇到了依賴解決方案的主要障礙。 Jfrog的友善人士已經足夠認識我的開源工作，可以免費訪問Artifactory Pro，因此我正在使用它來檢查和驗證傳遞依賴關係的許可證。我使用Apache 2.0許可證，因此我試圖使用Apache's own standard來遵守它的2.0許可證。然而，其中一個依賴項Apache Tika 1.12有一些「

0熱度

1回答

在java中使用Apache Tika從PDF文件中提取文本

try { File file = new File("Example.pdf"); String content = new Tika().parseToString(file); System.out.println("The Content: " + content); } catch (Exception e) { e.printS

0熱度

1回答

如何讀取使用python

我在.tar文件中的文件.tar文件pdf文檔包含，我能夠成員從##。tar文件中提取，並且我也使用蒂卡解析器解析PDF文件，收到文件未找到錯誤。 with tarfile.open(os.path.join(DEFAULT_PATH,filename), "r") as tarf: for members in tarf.getmembers(): f = tarf.ext

0熱度

1回答

在aws lambda中運行tika服務器

如何在aws lambda中運行tika服務器。在普通的終端，我會做 Java的罐子蒂卡-的server.jar 但我怎麼會在AWS執行相同的拉姆達。我有一個需要這個服務器可用在Python代碼一個特定的端口。

1熱度

1回答

Apache Tika與Apache Lucene

我有一個關於分析文檔的問題。使用Apache Tika，可以創建不同類型的不同文件的內容和元數據。是否有可能用Tika獲得文件關鍵字（詞幹）還是我仍然需要Lucene的呢？

1熱度

1回答

Solr的FieldStreamDataSource拋出「不支持的類型：字符串」（NOT NULL）

（編輯：在Ubuntu Solr的-6.6.0）我試圖使用Solr的DataImportHandler索引MySQL數據庫，其中包括與BLOB項RTF文件。對於這個我使用FieldStreamDataSource，在這些答案中指定： How do I index Rich Format Documents in Blobs Unsupported type Exception on Import

1熱度

1回答

爲Lucene索引提取PDF文本的有效方法

我想從使用Apache Tika的PDF文件中提取文本內容，然後將數據傳遞給Lucene進行索引。） public static String extract(File file) throws IOException, SAXException, TikaException { InputStream input = new FileInputStream(file);