Tika Parser API

17 Mar 2025 | 阅读 2 分钟

Tika Parser 是一个接口，提供从任何类型的文档中提取内容和元数据的功能。它是 Tika 的关键组件，组织在 org.apache.tika.parser 包中。它提供了一个 parse() 方法，该方法具有以下签名。

void parse(InputStream stream, ContentHandler handler, Metadata metadata, ParseContext context)
throws IOException, SAXException, TikaException;

它接受四个参数：InputStream、ContentHandler、Metadata 和 ParseContect 类对象。下面显示了四个参数各自的用途。

这些参数具有以下描述。

参数	描述
InputStream stream	文档从此输入流读取。
ContentHandler handler	ContentHandler 是一个处理文档内容的接口。
Metadata metadata	它是一个多值元数据容器。
ParseContext context	它用于将上下文信息传递给 Tika 解析器。

Tika 还提供了 AutoDetectParser 类，它可以自动确定文件包含的内容类型，然后调用相应的解析器。

除此之外，它还支持各种其他的解析器类，这些类可以用来解析 parse 类类型的文档。见下表。

解析器	包	描述
AppleSingleFileParser	org.apache.tika.parser.apple	它用于解析 apple 文件。
ClassParser	org.apache.tika.parser.asm	它用于解析 class 文件。
AudioParser	org.apache.tika.parser.audio	它用于解析音频文件。
MidiParser	org.apache.tika.parser.audio	它用于解析 midi 文件。
Pkcs7Parser	org.apache.tika.parser.crypto	它用于解析 pkcs7。
TSDParser	org.apache.tika.parser.crypto	它用于解析 tsd。
DWGParser	org.apache.tika.parser.dwg	它用于解析 dwg。
EnviHeaderParser	org.apache.tika.parser.envi	它用于解析 envi。
EpubParser	org.apache.tika.parser.epub	它用于解析 epub。
ExecutableParser	org.apache.tika.parser.executable	它用于解析 executable。
HtmlParser	org.apache.tika.parser.html	它用于解析 html 文件。
ImageParser	org.apache.tika.parser.image	它用于解析图像文件。
WebPParser	org.apache.tika.parser.image	它用于解析 webp。
IptcAnpaParser	org.apache.tika.parser.iptc	它用于解析 iptcanpa。
JpegParser	org.apache.tika.parser.jpeg	它用于解析 jpeg。
DBFParser	org.apache.tika.parser.dbf	它用于解析 dbf 文件。
Mp3Parser	org.apache.tika.parser.mp3	它用于解析 mp3。
MP4Parser	org.apache.tika.parser.mp4	它用于解析 mp4。
PDFParser	org.apache.tika.parser.pdf	它用于解析 pdf 文件。

Tika 解析器示例

在此示例中，我们使用 AutoDetectParser 自动检测文档类型，然后解析内容和元数据。

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.AutoDetectParser;
import org.apache.tika.sax.BodyContentHandler;
import org.xml.sax.SAXException;
public class AutoDetectParseExample {
	public static void main(String[] args) throws IOException, SAXException, TikaException {
		BodyContentHandler handler = new BodyContentHandler();
	    AutoDetectParser parser = new AutoDetectParser();
	    Metadata metadata = new Metadata();
	    try (InputStream stream = AutoDetectParseExample.class.getResourceAsStream("hello.txt")) {
	        parser.parse(stream, handler, metadata);
	        System.out.println(handler.toString());
	    }
	}
}

输出

以下是提取后的 hello.txt 文件的内容。

Hello Welcome to Javatpoint

下一个主题Tika 文档检测

Tika Parser API

Tika 解析器示例

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 Parser API

Tika 解析器示例

相关帖子

Tika语言检测

Tika文档检测

Tika特性

Tika简介

Tika教程

Tika组件堆栈

Tika GUI应用程序

Tika支持的格式

Tika安装

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器