Apache Tika 文件擷取器 是做什麼的?
封裝 Apache Tika Server REST API,從 PDF、DOCX、PPTX 及 1,200 多種檔案格式中擷取結構化文字。使用 Tika /rmeta/text 端點與遞迴解析模式輸出乾淨的 Markdown,並保留元資料。
安裝
來自上游的需求與注意事項:
- 請注意:tika-integration-tests 中的測試使用 Docker。如果未安裝 Docker,這些測試會被略過。
基本使用或入門說明:
- ===========
- 在 Java 中解析檔案:
- java
來源:https://github.com/apache/tika
擷取自上游文件:https://raw.githubusercontent.com/apache/tika/HEAD/README.md