Apache Tika 文档解析器

Apache Tika 文档解析器 是做什么的？

使用 Apache Tika REST API 从 PDF、Office 文档及 1000 多种文件格式中提取结构化文本、元数据和嵌入对象，输出干净的 Markdown 或 JSON，并保留 XMP 元数据。

安装

来自上游的要求和注意事项：

• 注意： 在 tika-integration-tests 中，Docker 用于测试。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

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

来源

• Agent Skill Exchange