Que fait Apache Tika Document Extractor ?
Enveloppe l'API REST du serveur Apache Tika pour extraire du texte structuré à partir de PDF, DOCX, PPTX et plus de 1 200 formats de fichiers. Produit un markdown propre avec conservation des métadonnées en utilisant le point d'accès /rmeta/text de Tika et le mode d'analyse récursif.
Installation
Exigences et mises en garde de la source amont :
- N.B. Docker est utilisé pour les tests dans tika-integration-tests. Si Docker n'est pas installé, ces tests sont ignorés.
Remarques sur l'utilisation de base ou la prise en main :
- ===========
- Analyser un fichier en Java :
- java
Source : https://github.com/apache/tika Extrait de la documentation amont : https://raw.githubusercontent.com/apache/tika/HEAD/README.md