Apache Tika 文書抽出ツール は何をしますか?
Apache Tika Server REST API をラップし、PDF、DOCX、PPTX など 1,200 を超えるファイル形式から構造化テキストを抽出します。Tika の /rmeta/text エンドポイントと再帰的解析モードを使用して、メタデータを保持したクリーンなマークダウンを出力します。
インストール
アップストリームからの要件と注意点:
- 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、これらのテストはスキップされます。
基本的な使用方法またははじめに:
- ===========
- Java でファイルを解析する:
- java
ソース: https://github.com/apache/tika アップストリームドキュメントから抽出: https://raw.githubusercontent.com/apache/tika/HEAD/README.md