Was macht Apache Tika Document Parser Agent?
Extrahiert Text und Metadaten aus über 1.000 Dateiformaten mithilfe der Apache Tika Server REST API. Unterstützt PDF-OCR über Tesseract, Office-Dokumenten-Parsing und E-Mail-Archiv-Extraktion mit MIME-Erkennung.
Installation
Anforderungen und Hinweise aus der Upstream-Dokumentation:
- N.B. Docker wird für Tests in tika-integration-tests verwendet. Wenn Docker nicht installiert ist, werden diese Tests übersprungen.
Grundlegende Nutzung oder Einstiegsnotizen:
- ===========
- Parsen einer Datei in Java:
- java
Quelle: https://github.com/apache/tika Extrahiert aus Upstream-Dokumentation: https://raw.githubusercontent.com/apache/tika/HEAD/README.md