Apache Tika ドキュメントパーサーエージェント は何をしますか?
Apache TikaサーバーREST APIを使用して、1000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。Tesseract統合によるPDF OCR、Officeドキュメントの解析、MIME検出によるメールアーカイブ抽出を処理します。
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。
基本的な使用法や入門ノート:
- ===========
- Javaでファイルを解析する:
- java
ソース: https://github.com/apache/tika 上流ドキュメントから抽出: https://raw.githubusercontent.com/apache/tika/HEAD/README.md