Apache Tika コンテンツ抽出ハブ は何をしますか?
Apache Tika Server REST API を介して 1400 以上のファイル形式からテキストとメタデータを抽出します。PDF、DOCX、PPTX、メールアーカイブ、および埋め込みドキュメントの抽出を MIME タイプ検出とともに処理します。
インストール
上流からの要件と注意事項:
- 注意: Docker は tika-integration-tests のテストで使用されます。Docker がインストールされていない場合、それらのテストはスキップされます。
基本的な使用法または開始にあたっての注意事項:
-
===========
-
Java でファイルを解析:
-
java
-
上流ドキュメントから抽出: https://raw.githubusercontent.com/apache/tika/HEAD/README.md