apache-tika

0Hitze

1Antwort

jedes Zeichen in einer separaten Zeile (jedes Zeichen wird in eine neue Zeile) während der Analyse einer PDF-Datei mit Apache Tika

Ich versuche, eine PDF-Datei mit Tika.Parse analysieren, wenn ich meine PDF-Datei analysieren, bekomme ich jedes Zeichen getrennt line.Zum Beispiel ist mein pdf-Dateiinhalt "Hello World". Ich erwarte,

1Hitze

1Antwort

Ist es möglich, bestimmte Daten aus Excel-Tabelle (aus einer Spalte oder Zeile) mit Apache Tika in Java zu holen?

Es gibt eine einfache Möglichkeit zum Extrahieren von Daten, die ich denke, es nur als Text abrufen (mit toSting() Methode), aber ich möchte Daten nach angegebenen Spalte oder Zeile Name abrufen. Im F

0Hitze

1Antwort

Tika Metadaten aus E-Mail-Misses stammen

Ich habe zwei E-Mail-Testdateien: Eine Datei, die mithilfe von „Speichern unter“ in Mac Mail (dies erzeugt eine TXT-Datei) Eine Datei erstellt wurde, dass wurde durch ziehen eine E-Mail von Mac Mail a

3Hitze

1Antwort

JSoup- Abrufen von Text zwischen den Tags als

Szenario ist: I Apache Tika verwenden XHTML aus einer DOCX-Datei zu erhalten. Ich muss diese XHTML analysieren, um Text zwischen bestimmten Tags zu erhalten (z. B. Div oder P-Tag). Dazu verwende ich J

0Hitze

1Antwort

Apache Tika und Apache PDFBox 2.0

Wir verwenden Tika 1.4. Jetzt müssen wir PDF Box 2.0.1 für die digitale Signatur verwenden. Ich kann sehen, dass einige Klassen der PDF-Box in Tika verwendet werden. Ist Pdf-Box Teil von Tika? Wenn ja

0Hitze

1Antwort

Apache Tika von FTP-Datei-Stream-Parsing

Ich verwende Apache Tika-Parser den Inhalt einer Datei in einem lokalen Dateisystem mit dem folgenden Code ContentHandler textHandler = new BodyContentHandler(); Metadata metadata = new Metad

0Hitze

1Antwort

Tika PDF Reader fügt merkwürdigen Abstand in Wörtern ein (Bindestrich wie)

Ich benutze TIKA Java-Bibliothek, um den Inhalt einiger PDFs zu lesen und es scheint, als ob es einige seltsame (Bindestrich-wie) Abstände eingefügt. Zum Beispiel: Die es Registerkarte tsch ment eines

0Hitze

1Antwort

DateFormatTransformer arbeitet nicht mit FileListEntityProcessor im Datenimport Handler

Beim Indizieren von Daten aus einem lokalen Ordner auf meinem System verwende ich die unten angegebene Konfiguration. Das letzte modifizierte Attribut wird indiziert im Format "Mi 23 Mai 09:48:08 UTC

2Hitze

1Antwort

Dynamisches Feld basierend auf Dateipfad hinzufügen

Ich verwende DIH und Tika, um Dokumente in verschiedenen Sprachen zu indizieren. Es gibt einen Ordner für jede Sprache (z. B. /de/file001.pdf), und ich möchte die Sprache aus dem Pfad extrahieren und

2Hitze

2Antwort

Angeben der Laufzeitabhängigkeit in Apache Spark

Ich versuche, eine einfache Spark-App auszuführen, die Apache Tika verwendet, um Metadaten zu extrahieren. Ich habe ein schattiertes Glas mit Maven erstellt und die App läuft gut, aber die Tika-Parser