¿Qué hace Apache Tika Content Extraction Hub?
Extrae texto y metadatos de más de 1400 formatos de archivo a través de la API REST de Apache Tika Server. Maneja PDF, DOCX, PPTX, archivos de correo electrónico y extracción de documentos incrustados con detección de tipo MIME.
Instalación
Requisitos y advertencias del repositorio original:
- N.B. Se utiliza Docker para las pruebas en tika-integration-tests. Si Docker no está instalado, esas pruebas se omiten.
Notas de uso básico o inicio rápido:
-
===========
-
Analizar un archivo en Java:
-
java
-
Fuente: https://github.com/apache/tika
-
Extraído de la documentación original: https://raw.githubusercontent.com/apache/tika/HEAD/README.md