Was macht Apache Tika Content Extraction Hub?
Extrahiert Text und Metadaten aus über 1400 Dateiformaten über die REST-API des Apache Tika Servers. Verarbeitet PDF, DOCX, PPTX, E-Mail-Archive und die Extraktion eingebetteter Dokumente mit MIME-Typ-Erkennung.
Installation
Anforderungen und Hinweise des Upstream-Projekts:
- Hinweis: Docker wird für Tests in tika-integration-tests verwendet. Wenn Docker nicht installiert ist, werden diese Tests übersprungen.
Grundlegende Nutzung oder Einstiegsnotizen:
- ===========
- Eine Datei in Java parsen:
- java
Quelle: https://github.com/apache/tika Aus den Upstream-Dokumenten extrahiert: https://raw.githubusercontent.com/apache/tika/HEAD/README.md