Apache Tika 是什么?
-
Apache Tika用于文件类型检测和从各种格式的文件内容提取的库。
-
在内部，Tika使用现有的各种文件解析器和文档类型的检测技术来检测和提取数据。
-
使用Tika，人们可以开发出通用型检测器和内容提取到的不同类型的文件，如电子表格，文本文件，图像，PDF文件甚至多媒体输入格式，在一定程度上提取结构化文本以及元数据。
-
Tika提供用于解析不同文件格式的一个通用API。它采用83个现有的专业解析器库，为每个文档类型。
-
所有这些解析器库是根据一个叫做Parser接口单一接口封装。