O que Analisador de Documentos Apache Tika faz?
Extrai texto estruturado, metadados e objetos incorporados de PDFs, documentos Office e mais de 1000 formatos de arquivo usando a API REST do Apache Tika. Gera Markdown limpo ou JSON com preservação de metadados XMP.
Instalação
Requisitos e observações do upstream:
- N.B. Docker é usado para testes nos testes de integração do Tika. Se o Docker não estiver instalado, esses testes serão ignorados.
Notas de uso básico ou de início rápido:
- ===========
- 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