O que Extrator de Documentos Apache Tika faz?
Utiliza a API REST do Apache Tika Server para extrair texto estruturado de PDFs, DOCX, PPTX e mais de 1.200 formatos de arquivo. Gera markdown limpo com preservação de metadados usando o endpoint /rmeta/text do Tika e modo de análise recursiva.
Instalação
Requisitos e observações do upstream:
- N.B. O Docker é usado para testes em tika-integration-tests. Se o Docker não estiver instalado, esses testes são ignorados.
Notas de uso básico ou primeiros passos:
- ===========
- Analisar um arquivo em Java:
- java
Fonte: https://github.com/apache/tika Extraído da documentação upstream: https://raw.githubusercontent.com/apache/tika/HEAD/README.md