Tika MS Office 文件提取

17 Mar 2025 | 阅读 2 分钟

为了提取 Microsoft Office 文件，例如 xls 文件，Tika 提供了 OOXMLParser 类。此类用于从 Microsoft 文件中提取内容和元数据。它位于 org.apache.tika.parser.microsoft.ooxml 包中，并包含各种构造函数和方法，如下表所示。

Tika OOXMLParser 构造函数

构造函数	描述
public OOXMLParser()	用于实例化类。

方法	描述
public Set<MediaType> getSupportedTypes(ParseContext context)	返回此解析器支持的媒体类型集。
public void parse(InputStream stream, ContentHandler handler, Metadata metadata, ParseContext context) throws IOException, SAXException, TikaException	将文档流解析为 XHTML SAX 事件序列。

Tika OOXMLParser 示例

package tikaexample;

import java.io.IOException;
import java.io.InputStream;
import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.microsoft.ooxml.OOXMLParser;
import org.apache.tika.sax.BodyContentHandler;
import org.xml.sax.SAXException;

public class MSOfficeExample {
	
	public static void main(String[] args) throws IOException, SAXException, TikaException {
		
		 BodyContentHandler handler   = new BodyContentHandler();
		 OOXMLParser parser           = new OOXMLParser();
		 Metadata metadata            = new Metadata();
		 ParseContext pcontext        = new ParseContext();
		 try (InputStream stream = AutoDetectParseExample.class.getResourceAsStream("javatpoint.xls")) {
		        parser.parse(stream, handler, metadata, pcontext);
	     System.out.println("Document Content:" + handler.toString());
	     System.out.println("Document Metadata:");
	     String[] metadatas = metadata.names(); 
	     for(String data : metadatas) {
	         System.out.println(data + ":   " + metadata.get(data));  
	     }
		 }catch(Exception e) {System.out.println("Exception message: "+ e.getMessage());}		
	}
}

我们的文件包含以下内容。

输出

Document Content:Sheet1
	Employee Manual Punch
	In Time	Out Time	Device	Total Minute	Total Time	Working Minutes
	01-Nov-17 8:27:00 AM	01-Nov-17 6:30:00 PM	1	603	540	-63
	02-Nov-17 8:09:00 AM	02-Nov-17 6:30:00 PM	1	621	540	-81
	03-Nov-17 8:25:00 AM	03-Nov-17 6:30:00 PM	1	605	540	-65

Document Metadata:
date:   2018-05-06T11:20:06Z
cp:revision:   1
custom:DocSecurity:   0
dc:creator:   Reception
dcterms:created:   2017-12-03T08:38:57Z
language:   en-IN
Last-Modified:   2018-05-06T11:20:06Z
dcterms:modified:   2018-05-06T11:20:06Z
Last-Save-Date:   2018-05-06T11:20:06Z
Template:   
protected:   false
meta:save-date:   2018-05-06T11:20:06Z
Application-Name:   LibreOffice/5.1.6.2$Linux_X86_64 LibreOffice_project/10m0$Build-2
modified:   2018-05-06T11:20:06Z
custom:LinksUpToDate:   false
Content-Type:   application/vnd.openxmlformats-officedocument.spreadsheetml.sheet
creator:   Reception
dc:language:   en-IN
meta:author:   Reception
meta:creation-date:   2017-12-03T08:38:57Z
extended-properties:Application:   LibreOffice/5.1.6.2$Linux_X86_64 LibreOffice_project/10m0$Build-2
custom:ShareDoc:   false
custom:ScaleCrop:   false
Creation-Date:   2017-12-03T08:38:57Z
custom:HyperlinksChanged:   false
Revision-Number:   1
extended-properties:Template:   
custom:AppVersion:   12.0000

下一个主题Tika 提取图像

Tika MS Office 文件提取

Tika OOXMLParser 构造函数

Tika OOXMLParser 示例

联系信息

关注我们

教程

面试题

在线编译器

Python

Java

.Net Framework

AI, ML and Data Science

Cloud Technology

B.Tech and MCA

Web Technology

PHP

Software Testing

Technical Interview

Java Interview

Python

Web Interview

Database Interview

B.Tech / MCA

Important Interview

Software Testing Interview

Company Interviews

Online Compilers

Multiple Choice Questions

Tika教程

Tika文档解析

Tika提取

Tika MS Office 文件提取

Tika OOXMLParser 构造函数

Tika OOXMLParser 示例

相关帖子

提取图像

提取Class文件

提取HTML文件

提取Mp3文件

提取文本文件

提取Mp4文件

提取XML文件

提取PDF文件

提取Flv文件

提取Jar文件

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器