Tika 简明教程
TIKA - Referenced API
用户可以使用 Tika facade 类将 Tika 嵌入到他们的应用程序中。它提供了要探索 Tika 所有功能的方法。由于它是一个 facade 类，Tika 会将其函数背后的复杂性抽象化。除此之外，用户还可以在其应用程序中使用各种 Tika 类。
Tika Class (facade)
这是 Tika 库中最突出的一个类，遵循门面设计模式。因此，它抽象了所有内部实现，并提供了访问 Tika 功能的简单方法。下表列出了此类的构造函数及其说明。
package − org.apache.tika
class − Tika
Sr.No. |
Constructor & Description |
1 |
Tika () 使用默认配置并构建 Tika 类。 |
2 |
Tika (Detector detector) 通过接受检测器实例作为参数创建 Tika facade。 |
3 |
Tika (Detector detector, Parser parser) 通过接受检测器和解析器实例作为参数创建 Tika facade。 |
4 |
Tika (Detector detector, Parser parser, Translator translator) 通过接受检测器、解析器和翻译器实例作为参数创建 Tika facade。 |
5 |
Tika (TikaConfig config) 通过接受 TikaConfig 类作为参数的对象来创建 Tika 门面。 |
Methods and Description
以下为 Tika 门面类的重要方法 −
Sr.No. |
Methods & Description |
1 |
parse*ToString* ( File 文件)此方法及其所有变体解析作为参数传递的文件，并以字符串格式返回提取的文本内容。默认情况下，此字符串参数的长度是有限的。 |
2 |
int getMaxStringLength ()返回 parseToString 方法返回的字符串的最大长度。 |
3 |
void setMaxStringLength (int maxStringLength)设置 parseToString 方法返回的字符串的最大长度。 |
4 |
Reader parse ( File 文件)此方法及其所有变体解析作为参数传递的文件，并返回以 java.io.reader 对象形式提取的文本内容。 |
5 |
String detect ( InputStream 流, Metadata 元数据)此方法及其所有变体接受 InputStream 对象和 Metadata 对象作为参数，检测给定文档的类型，并将文档类型名称作为 String 对象返回。此方法抽象了 Tika 使用的检测机制。 |
6 |
String translate ( InputStream 文本, String 目标语言)此方法及其所有变体接受 InputStream 对象和表示我们希望文本被翻译成的语言的 String，并将给定文本翻译成所需语言，尝试自动检测源语言。 |
Methods and Description
以下是 Tika 解析器接口的重要方法 −
Sr.No. |
Methods & Description |
1 |
parse (InputStream stream, ContentHandler handler, Metadata metadata, ParseContext context) 此方法将给定文档解析成 XHTML 和 SAX 事件序列。解析后，它将提取的文档内容放入 ContentHandler 类的对象，并将元数据放入 Metadata 类的对象中。 |
Metadata Class
此类实现了各种接口，例如 CreativeCommons、Geographic、HttpHeaders、Message、MSOffice、ClimateForcast、TIFF、TikaMetadataKeys、TikaMimeKeys、Serializable，以支持各种数据模型。下表列出了该类的构造函数和方法及其说明。
package − org.apache.tika.metadata
class − Metadata
Sr.No. |
Constructor & Description |
1 |
Metadata() 构造一个新的、空的元数据。 |
Sr.No. |
Methods & Description |
1 |
add (Property property, String value) 向给定文档中添加一个元数据属性/值映射。使用此函数，我们可以将值设置到某个属性上。 |
2 |
add (String name, String value) 向给定文档中添加一个元数据属性/值映射。使用此方法，我们可以将某个新名称值设置到文档的现有元数据中。 |
3 |
String get (Property property) 如果有的返回元数据属性的值。 |
4 |
String get (String name) 如果有的返回给定元数据名称的值。 |
5 |
Date getDate (Property property) 返回日期元数据属性的值。 |
6 |
String[] getValues (Property property) 返回元数据属性的所有值。 |
7 |
String[] getValues (String name) 返回给定元数据名称的所有值。 |
8 |
String[] names() 返回元数据对象中元数据元素的所有名称。 |
9 |
set (Property property, Date date) 设置给定元数据属性的日期值 |
10 |
set(Property property, String[] values) 为元数据属性设置多个值。 |
Language Identifier Class
此类标识给定内容的语言。下表列出了此类的构造函数及其说明。
package − org.apache.tika.language
class − Language Identifier
Sr.No. |
Constructor & Description |
1 |
LanguageIdentifier (LanguageProfile profile) 实例化语言标识符。在此处，您必须传递 LanguageProfile 对象作为参数。 |
2 |
LanguageIdentifier (String content) 此构造函数可以通过从文本内容传递 String 来实例化语言标识。 |
Sr.No. |
Methods & Description |
1 |
String getLanguage () 返回给定 LanguageIdentifier 对象的语言。 |