Was macht Apache Tika Dokumenten-Parser?
Extrahiert strukturierten Text, Metadaten und eingebettete Objekte aus PDFs, Office-Dokumenten und über 1.000 Dateiformaten mithilfe der Apache Tika REST API. Ausgabe als sauberes Markdown oder JSON mit XMP-Metadaten-Erhaltung.
Installation
Anforderungen und Hinweise vom Upstream-Projekt:
- Hinweis: Docker wird für Tests in tika-integration-tests verwendet. Falls 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 Upstream-Dokumentation extrahiert: https://raw.githubusercontent.com/apache/tika/HEAD/README.md