Apache Tika 文档提取器

Apache Tika 文档提取器 是做什么的？

封装 Apache Tika Server REST API，用于从 PDF、DOCX、PPTX 及 1200 多种文件格式中提取结构化文本。通过 Tika /rmeta/text 端点和递归解析模式输出带元数据的干净 Markdown。

安装

来自上游的要求和注意事项：

• 注意： Docker 用于 tika-integration-tests 的测试。如果未安装 Docker，这些测试将被跳过。

基本使用或入门说明：

• ===========

• 在 Java 中解析文件：

• java

• 来源：https://github.com/apache/tika

• 提取自上游文档：https://raw.githubusercontent.com/apache/tika/HEAD/README.md

来源

• Agent Skill Exchange