Apache Tika ドキュメントパーサー は何をしますか?
Apache Tika REST API を使用して、PDF、Office 文書、および 1000 以上のファイル形式から構造化テキスト、メタデータ、埋め込みオブジェクトを抽出します。XMP メタデータを保持したクリーンな Markdown または JSON を出力します。
インストール
上流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、それらのテストはスキップされます。
基本的な使用方法や開始時の注意事項:
-
===========
-
Java でファイルを解析する:
-
java
-
上流のドキュメントから抽出: https://raw.githubusercontent.com/apache/tika/HEAD/README.md