apache-tika

    4熱度

    2回答

    從Rails應用程序搜索附件（Word，PDF，Excel等）

    我的第一篇文章是堆棧溢出，所以請溫柔！我即將爲客戶啓動一個新的Ruby on Rails（3.1）項目。他們的要求之一是有一個搜索引擎，它將索引大約2,000個PDF，Word，Excel和HTML混合的文檔。 我曾希望爲使用的思維 - 獅身人面像或Texticle（最流行的https://www.ruby-toolbox.com/categories/rails_search.html），但據我
    ruby-on-rails search attachment apache-tika 2011-10-12

    0熱度

    1回答

    如何在使用solr的提取功能時將數據添加到動態字段？

    我正在使用名爲solr-php-client（http://code.google.com/p/solr-php-client/）的PHP庫與我的Solr服務器進行連接。我可以從文件中提取數據，存儲，並在其上進行搜索，但我似乎無法得到它讓我以我自己的數據添加到參數索引： $aParams = array ( "literal.ClassName_ms" => "File", "
    solr lucene apache-tika solr-cell 2011-10-13

    1熱度

    1回答

    如何將Tika集成到我的Lucene項目中？

    我想在我的Java項目中集成Apache Tika。我需要從不同的文件格式（excel，doc，ppt等）獲取文本。 經過一番閱讀後，我明白構建tika的唯一方法是下載src文件並使用Maven構建它。我執行 「MVN安裝」 在Tika SRC（Apache的蒂卡-0.9-SRC）的根目錄下，但我得到這個錯誤： [INFO] Scanning for projects... Downloadin
    maven lucene apache-tika 2011-09-06

    0熱度

    1回答

    Tika parseToString調用問題

    我正在使用POI從Excel文件中提取數據。 （Excel工作表中的第5列包含文件系統中存在的文件的名稱） 我循環遍歷表的行（用POI提取單元格的內容），併爲每行創建Tika實例，然後解析指定的文件與提卡「parseToString（文件）」，第5欄時，該文件是Office文檔（EXCEL，PPT，Word）中我得到這個錯誤： Exception in thread "AWT-EventQueue
    apache-poi apache-tika 2011-09-07

    11熱度

    2回答

    PDFBox在單詞內添加空格

    當我嘗試從我的PDF文件中提取文本時，它似乎隨機地在單詞之間插入空格。 我在這個頁面的下載部分下面的示例文件中使用PDFBOX-APP-1.6.0.jar（最新版本）： http://www.sheffield.gov.uk/roads/children/parents/6-11/pedestrian-training 我和其他幾個PDF文件嘗試，它似乎在幾頁上做同樣的事情。 我做到以下幾點： J
    solr lucene pdfbox apache-tika 2011-10-31

    1熱度

    1回答

    使用Apache Tika提取元數據並存儲到HashMap中

    我試圖使用apache tika提取元數據，然後放入HashMap中。但是，我的代碼只獲取密鑰而不是該密鑰的值..例如..它僅存儲標題（作爲關鍵字）但不是它的價值，就像它存儲關鍵字（作爲關鍵字）而不是它的值一樣。 如果我試圖看看md包含的是什麼，它會顯示： - Description= title=Wireless Technology & Innovation | Mobile Technolo
    java apache-tika 2011-09-15

    1熱度

    1回答

    分析二進制文件時出現錯誤...（主要是PDF）

    我想使用Apache Tika解析使用ByteArrayInputStream的二進制文件的PDF文件...並開始獲取某些PDF文件的錯誤，對於一些它解析得非常好.. 早些時候我能夠使用Tika解析相同的pdf文件，但是現在當我嘗試使用ByteArrayInputStream時，我開始出現錯誤..我認爲ByteArray存在一些問題這是我正在獲取的錯誤.. org.apache.tika.exce
    java parsing apache-tika pdf-parsing 2011-09-20

    0熱度

    1回答

    解析二進制文件時出錯

    我試圖在將PDFBOX版本升級到1.6.0之後使用Apache Tika解析PDF文件...並且我開始爲幾個pdf文件獲取此錯誤。 有什麼建議嗎？ java.io.IOException: expected='endstream' actual='' [email protected] at org.apache.pdfbox.pdfparser.BaseParser.parseCOS
    java pdfbox apache-tika 2011-09-20

    2熱度

    1回答

    試圖重寫的Apache提卡0.9的依賴性和PDFBOX 1.4.0至1.6.0 PDFBOX

    <dependency> <groupId>org.apache.tika</groupId> <artifactId>tika-parsers</artifactId> <version>0.9</version> </dependency> 我試圖添加此下方的依賴，而不是僅僅上述蒂卡的依賴性覆蓋Tika只有PDFBOX依
    apache maven pom.xml apache-tika 2011-09-21

    0熱度

    2回答

    Solr：文件實體處理器和delta導入

    我正在使用solr 3.3，我想使用delta導入文件實體處理器和tika實體處理器。完整導入工作正常，但增量導入參數不導入新文檔。 感謝
    solr apache-tika dataimporthandler delta-index 2011-09-26
最新問題