必知开源项目 - Apache Tika 2

整码阁 2021-06-20

1453

接上篇必知开源项目 - Apache Tika 1，本文通过Tika API版、桌面版和服务器版演示Tika的使用。

┃API版

0. 新建Java Maven项目，这里简化此步骤，文末提供完整参考代码下载；

1. 使用Tika Facade检测文档类型；

public String detectDocTypeUsingFacade(InputStream stream) throws IOException {
    Tika tika = new Tika();
    String mediaType = tika.detect(stream);
    return mediaType;
}

2. 使用Tika Facade提取文档元数据；

public Metadata parseMetadataUsingFacade(InputStream stream) throws IOException, TikaException {
    Tika tika = new Tika();
    Metadata metadata = new Metadata();
    tika.parse(stream, metadata);
    return metadata;
}

3. 使用ImageParse提取png元数据；

Tika针对JPG图片提供专用解析器JpegParser，但PNG图片使用通用解析器ImageParser；

解析器需要四个参数：文档流、文档内容处理器、元数据对象和上下文对象；

针对PNG格式还需要在Metadata对象指定Content-Type，否则无法提取元数据；

public static void parsePng(InputStream stream) throws TikaException, IOException, SAXException {
    BodyContentHandler handler = new BodyContentHandler();
    Metadata metadata = new Metadata();
    metadata.set("Content-Type", "image/png");
    ParseContext context = new ParseContext();
    ImageParser parser = new ImageParser();
    parser.parse(stream, handler, metadata, context);
    System.out.println("Metadata:");
    String[] metadataNames = metadata.names();
    for (String name : metadataNames) {
        System.out.println(name + ": " + metadata.get(name));
    }
}