Ich verwende derzeit den folgenden Code, um den Inhalt und die Metadaten von PDF-Dateien mithilfe der TIKA-Bibliothek zu extrahieren. Gibt es eine Möglichkeit, bestimmte Seiten zu lesen ODER das Parsing auf die ersten paar Seiten in TIKA zu beschränken?So lesen Sie die ersten Seiten einer PDF-Datei mit TIKA
public static void main(final String[] args) throws IOException,TikaException, SAXException {
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
FileInputStream inputstream = new FileInputStream(new File("test/test.pdf"));
ParseContext pcontext = new ParseContext();
//parsing the document using PDF parser
AutoDetectParser pdfparser = new AutoDetectParser();
pdfparser.parse(inputstream, handler, metadata,pcontext);
//getting the content of the document
System.out.println("Contents of the PDF :" + handler.toString());
//getting metadata of the document
//System.out.println("Metadata of the PDF:");
String[] metadataNames = metadata.names();
System.out.println(metadata.get("xmpTPg:NPages"));
for(String name : metadataNames) {
System.out.println(name+ " : " + metadata.get(name));
}
}