SpringBoot + Apache tika 輕松實(shí)現(xiàn)各種文檔內(nèi)容解析

點(diǎn)擊關(guān)注公眾號(hào)，Java干貨 及時(shí)送達(dá)

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

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>

    

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(guò)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(guò)注入TIka即可完成文檔的解析。如下圖所示：

往 期 推 薦

1、為什么我們家里的IP都是192.168開(kāi)頭的？

2、室友打一把王者就學(xué)會(huì)了Java多線程

3、互聯(lián)網(wǎng)人為什么學(xué)不會(huì)擺爛

4、為什么國(guó)外JetBrains做 IDE 就可以養(yǎng)活自己，國(guó)內(nèi)不行？區(qū)別在哪？

5、中國(guó)程序員獨(dú)立開(kāi)發(fā)9年、最受歡迎的開(kāi)源Redis客戶端 被Redis公司收購(gòu)（文末送書(shū)）

6、讓程序員早點(diǎn)下班的《技術(shù)寫(xiě)作指南》

點(diǎn) 分 享

點(diǎn) 收 藏

點(diǎn) 點(diǎn) 贊

點(diǎn)在看