不能两次读取相同的InputStream

Question

这是我的代码：

// getFile() method returns the input stream of a local or online file
InputStream fileStream = getFile(source);
// Convert an InputStream to an InputSource
org.xml.sax.InputSource fileSource = new org.xml.sax.InputSource(fileStream);
// Extract text via the Boilerpipe DefaultExtractor
String text = DefaultExtractor.INSTANCE.getText(fileSource);

// Extract text and metadata via Apache Tika
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
ParseContext context = new ParseContext();
AutoDetectParser parser = new AutoDetectParser();
parser.parse(fileStream, handler, metadata, context);

我不知道为什么只有第一个提取器起作用。

在这种情况下，仅Boilerpipe （第一个提取器）起作用，而Apache Tika （第二个提取器）无法提取任何东西。

我试图创建fileStream的副本（通过InputStream fileStream2 = fileStream; ），并将fileStream传递给一个阅读器，并将fileStream2传递给另一阅读器，但是它也不起作用。

我也尝试将从fileStream提取的HTML传递到Boilerpipe，然后将fileStream传递给Tika，但是结果是相同的。

我怀疑问题是同一InputStream无法读取两次。

您能帮我如何将1 InputStream的内容传递给2个读者吗？

编辑：我找到了解决方案，并将其张贴在下面

Answer 1

如果您有一个maven项目，则必须包括以下依赖项（在pom.xml ），以便boilerpipe可以工作：

 <dependency>
        <groupId>xerces</groupId>
        <artifactId>xercesImpl</artifactId>
        <version>x.y.z</version>
 </dependency>
 <dependency>
        <groupId>net.sourceforge.nekohtml</groupId>
        <artifactId>nekohtml</artifactId>
        <version>x.y.z</version>
</dependency>

Answer 2

我发现InputStream不能像我的旧代码中的Tika和Boilerpipe一样被读取两次，所以我发现我可以读取fileStream并将其转换为String ，将其传递给Boilerpipe，将String转换为ByteArrayInputStream并传递提卡。 这是我的新代码。

// getFile() method returns the input stream of a local or online file
InputStream fileStream = getFile(source);

// Read the value of the InputStream and pass it to the
// Boilerpipe DefaultExtractor in order to extract the text
String html = readFromStream(fileStream);
String text = DefaultExtractor.INSTANCE.getText(html);

// Convert the value read from fileStream to a new ByteArrayInputStream
fileStream = new ByteArrayInputStream(html.getBytes("UTF-8"));

// Extract text and metadata via Apache Tika
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
ParseContext context = new ParseContext();
AutoDetectParser parser = new AutoDetectParser();
parser.parse(fileStream, handler, metadata, context);