[英]Tika AutoDetectParser returning empty string?
我正在尝试使用Tika的AutoDetectParser来提取文件的内容。 我原本以为这是一个依赖性问题,但是无法理解为什么现在我可以将所有tika-app包含在我的jar中。
AutoDetect Parser在此返回emptry字符串:
BodyContentHandler handler = new BodyContentHandler();
AutoDetectParser parser = new AutoDetectParser();
Metadata metadata = new Metadata();
ParseContext context = new ParseContext();
FileInputStream mypdfstream = new FileInputStream(new File("mypdf.pdf"));
parser.parse(mypdfstream,handler,metadata,context);
System.out.println(handler.toString());
令我感到困惑的是,使用标准PDFParser工作得很好......:
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
ParseContext context = new ParseContext();
FileInputStream mypdfstream = new FileInputStream(new File("mypdf.pdf"));
PDFParser pdfparser = new PDFParser();
pdfparser.parse(mypdfstream,handler,metadata,context);
System.out.println(handler.toString());
我在我的类路径中包含了tika-app和tika-parsers jar,并将它们包含在ant创建的jar中。
build.xml
相关部分
<javac srcdir="${src}" destdir="${build}">
<classpath>
<pathelement path = "lib/tika-app-1.11.jar"/>
<pathelement path = "lib/tika-parsers-1.11.jar"/>
</classpath>
</javac>
<jar jarfile="${dist}/lib/MyProject-${DSTAMP}.jar" basedir="${build}">
<zipgroupfileset dir="lib" includes="tika-app-1.11.jar"/>
<zipgroupfileset dir="lib" includes="tika-parsers-1.11.jar"/>
</jar>
编辑:我用parser.getSupportTypes(context))
查看了我的supportedTypes
列表,它是空的。 与parser.getParsers()
返回的解析器列表一样。
那么这可能是另一个依赖问题呢? 鉴于包括tika-app,这真的让我感到惊讶。
我有同样的问题,我已经纠正了再次添加Tika Core和Parser依赖于我的Pom.xml,然后在Eclipse上更新Maven。
<dependency>
<groupId>org.apache.tika</groupId>
<artifactId>tika-core</artifactId>
<version>1.18</version>
</dependency>
<dependency>
<groupId>org.apache.tika</groupId>
<artifactId>tika-parsers</artifactId>
<version>1.18</version>
</dependency>
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.