¿Qué hace Analizador de Documentos Apache Tika?
Extrae texto estructurado, metadatos y objetos incrustados de PDFs, documentos de Office y más de 1000 formatos de archivo mediante la API REST de Apache Tika. Genera Markdown limpio o JSON con preservación de metadatos XMP.
Instalación
Requisitos y advertencias del proyecto 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 para empezar:
-
===========
-
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