Apache tika是Apache开源的一个文档解析工具。Apache Tika可以解析和提取一千多种不同的文件类型(如PPT、XLS和PDF)的内容和格式，并且Apache Tika提供了多种使用方式，既可以使用图形化操作页面（tika-app），又可以独立部署（tika-server）通过接口调用，还可以引入到项目中使用。

本文演示在spring boot 中引入tika的方式解析文档。如下：

引入依赖

在spring boot 项目中引入如下依赖:

xml复制代码

org.apache.tika

tika-bom

2.8.0

pom

import

org.apache.tika

tika-core

org.apache.tika

tika-parsers-standard-package

创建配置

将tika-config.xml文件放在resources目录下。tika-config.xml文件的内容如下：

xml复制代码

64000

64001

64002

创建配置类MyTikaConfig

java复制代码import java.io.IOException;

import java.io.InputStream;

import org.apache.tika.Tika;

import org.apache.tika.config.TikaConfig;

import org.apache.tika.detect.Detector;

import org.apache.tika.exception.TikaException;

import org.apache.tika.parser.AutoDetectParser;

import org.apache.tika.parser.Parser;

import org.springframework.beans.factory.annotation.Autowired;

import org.springframework.context.annotation.Bean;

import org.springframework.context.annotation.Configuration;

import org.springframework.core.io.Resource;

import org.springframework.core.io.ResourceLoader;

import org.xml.sax.SAXException;

/**

* tika配置类

*/

@Configuration

public class MyTikaConfig {

@Autowired

private ResourceLoader resourceLoader;

@Bean

public Tika tika() throws TikaException, IOException, SAXException {

Resource resource = resourceLoader.getResource("classpath:tika-config.xml");

InputStream inputStream = resource.getInputStream();

TikaConfig config = new TikaConfig(inputStream);

Detector detector = config.getDetector();

Parser autoDetectParser = new AutoDetectParser(config);

return new Tika(detector, autoDetectParser);

}

}

Tika类中提供了文芳detect、translate和parse功能， 在项目中通过注入TIka, 就可以使用了

在项目使用

配置完成后在项目中可以通过注入TIka即可完成文档的解析。如下图所示：

精彩文章

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：