快捷導(dǎo)航

SpringBoot+Apache tika實(shí)現(xiàn)文檔內(nèi)容解析的示例詳解

更新時(shí)間：2023年07月05日 16:36:21 作者：不可食用鹽

Apache tika是Apache開源的一個(gè)文檔解析工具，本文主要為大家介紹了如何在springboot中引入tika的方式解析文檔，感興趣的小伙伴可以了解一下

Apache tika是Apache開源的一個(gè)文檔解析工具。Apache Tika可以解析和提取一千多種不同的文件類型(如PPT、XLS和PDF)的內(nèi)容和格式，并且Apache Tika提供了多種使用方式，既可以使用圖形化操作頁面（tika-app），又可以獨(dú)立部署（tika-server）通過接口調(diào)用，還可以引入到項(xiàng)目中使用。

本文演示在spring boot 中引入tika的方式解析文檔。如下：

引入依賴

在spring boot 項(xiàng)目中引入如下依賴:

  <dependencyManagement>
    <dependencies>
      <dependency>
        <groupId>org.apache.tika</groupId>
        <artifactId>tika-bom</artifactId>
        <version>2.8.0</version>
        <type>pom</type>
        <scope>import</scope>
      </dependency>
    </dependencies>
  </dependencyManagement>
    <dependency>
      <groupId>org.apache.tika</groupId>
      <artifactId>tika-core</artifactId>
    </dependency>
    <dependency>
      <groupId>org.apache.tika</groupId>
      <artifactId>tika-parsers-standard-package</artifactId>
    </dependency>

創(chuàng)建配置

1.將tika-config.xml文件放在resources目錄下。tika-config.xml文件的內(nèi)容如下：

<?xml version="1.0" encoding="UTF-8"?>
<properties>
    <encodingDetectors>
        <encodingDetector class="org.apache.tika.parser.html.HtmlEncodingDetector">
            <params>
                <param name="markLimit" type="int">64000</param>
            </params>
        </encodingDetector>
        <encodingDetector class="org.apache.tika.parser.txt.UniversalEncodingDetector">
            <params>
                <param name="markLimit" type="int">64001</param>
            </params>
        </encodingDetector>
        <encodingDetector class="org.apache.tika.parser.txt.Icu4jEncodingDetector">
            <params>
                <param name="markLimit" type="int">64002</param>
            </params>
        </encodingDetector>
    </encodingDetectors>
</properties>

2.創(chuàng)建配置類MyTikaConfig

import java.io.IOException;
import java.io.InputStream;
import org.apache.tika.Tika;
import org.apache.tika.config.TikaConfig;
import org.apache.tika.detect.Detector;
import org.apache.tika.exception.TikaException;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.Parser;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.core.io.Resource;
import org.springframework.core.io.ResourceLoader;
import org.xml.sax.SAXException;
/**
 * tika配置類
 */
@Configuration
public class MyTikaConfig {
    @Autowired
    private ResourceLoader resourceLoader;
    @Bean
    public Tika tika() throws TikaException, IOException, SAXException {
        Resource resource = resourceLoader.getResource("classpath:tika-config.xml");
        InputStream inputStream = resource.getInputStream();
        TikaConfig config = new TikaConfig(inputStream);
        Detector detector = config.getDetector();
        Parser autoDetectParser = new AutoDetectParser(config);
        return new Tika(detector, autoDetectParser);
    }
}

Tika類中提供了文芳detect、translate和parse功能，在項(xiàng)目中通過注入TIka, 就可以使用了

在項(xiàng)目使用

配置完成后在項(xiàng)目中可以通過注入TIka即可完成文檔的解析。如下圖所示：

到此這篇關(guān)于SpringBoot+Apache tika實(shí)現(xiàn)文檔內(nèi)容解析的示例詳解的文章就介紹到這了,更多相關(guān)SpringBoot文檔內(nèi)容解析內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: