apache-tika

6Hitze

1Antwort

Apache Tika Extrakt gescannte PDF-Dateien

Ich habe einige Probleme mit Apache TIKA (Version 1.10). Ich habe einige PDF-Dateien, die nur gescanntes Papier sind. Das bedeutet, dass jede Seite nur ein Bild ist. Mein Ziel ist es, den Text der PDF

5Hitze

2Antwort

Kann Apache Tika Fremdsprachen wie Chinesisch, Japanisch extrahieren?

Kann Apache Tika Fremdsprachen wie Chinesisch, Japanisch extrahieren? Ich habe den folgenden Code: „?“ Detector detector = new DefaultDetector(); Parser parser = new AutoDetectParser(detector);

38Hitze

5Antwort

Gelesene Inhalt von Dateien, die innerhalb der Zip-Datei sind

Ich versuche, ein einfaches Java-Programm zu schaffen, das den Inhalt von den Akten in der Zip-Akte liest und extrahiert. Zip-Datei enthält 3 Dateien (txt, pdf, docx). Ich muss den Inhalt aller dieser

9Hitze

1Antwort

Font Problem auf Ubuntu-Maschine in Parsing PDF-Datei

Ich habe eine Anwendung auf meinem Ubuntu 14.04.x Maschine. Diese Anwendung führt Text-Mining für PDF-Dateien durch. Ich vermute, dass es Apache Tika usw. verwendet ... Das Problem ist, dass während

6Hitze

2Antwort

Apache Tika und Json

Wenn ich Apache Tika verwende, um den Dateityp aus dem Inhalt zu bestimmen. XML-Datei ist in Ordnung, aber nicht der JSON. Wenn der Inhaltstyp json ist, wird "text/plain" anstelle von "application/jso

15Hitze

2Antwort

Elasticsearch Parse Ausnahmefehler beim Versuch, PDF zu indexieren

Ich beginne gerade mit elasticsearch. Unsere Anforderung besteht darin, dass wir Tausende von PDF-Dateien indexieren müssen, und es fällt mir schwer, nur EINE von ihnen zum erfolgreichen Indexieren zu

5Hitze

2Antwort

wie man Haupttext aus HTML mit Tika

extrahieren Ich möchte nur wissen, dass, wie ich Haupttext und Klartext aus HTML mit Tika extrahieren kann? Vielleicht ist eine mögliche Lösung, BoilerPipeContentHandler zu verwenden, aber haben Sie e

7Hitze

1Antwort

Convert .docx in HTML mit JAVA

Ich habe versucht, .doc zu HTML mit WordToHtmlConverter zu konvertieren und es funktionierte perfekt. Aber als ich versuchte, DOCX zu HTML zu konvertieren, blieb ich dabei stecken. Was ich versucht: i

11Hitze

1Antwort

Wie lese ich große Dateien mit TIka?

Ich analysiere große PDF- und Word-Dokumente mit Tika, aber ich bekomme folgende Fehlermeldung. Your document contained more than 100000 characters, and so your requested limit has been reached. To re

6Hitze

1Antwort

Solr für Arabisch PDF's

Ich versuche arabische PDFs in Apache Solr zu suchen. Das Problem scheint zu sein, dass Tika die PDF-Datei in umgekehrter Reihenfolge (von links nach rechts) anstelle von (von rechts nach links) index