org.apache.tika 解析word文档,跳过\删除页眉页脚

示例代码

public void parseExample() {

ParseContext parseContext = new ParseContext();
AutoDetectParser parser = new AutoDetectParser();
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();

//跳过页眉页脚
OfficeParserConfig officeParserConfig = new OfficeParserConfig();
officeParserConfig.setIncludeHeadersAndFooters(false);
boolean hf= officeParserConfig.getIncludeHeadersAndFooters();
parseContext.set(OfficeParserConfig.class, officeParserConfig);

System.out.println("headfoot"+hf);
try(FileInputStream fin=new FileInputStream("D:\\docs\\Out22.docx")) {
	parser.parse(fin, handler, metadata, parseContext);
	String text = handler.toString();
	System.out.println("output :"+text);
} catch (IOException | SAXException | TikaException ex) {
	ex.printStackTrace();
 }
}
       
  • 8
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
org.apache.tika是一个Java库,用于提取和处理各种文件类型的元数据和文本内容。它可以检测并提取来自上千种不同文件类型(例如PPT、XLS和PDF)的元数据和文本。在Maven项目中使用Tika,你需要添加两个Maven依赖,分别是tika-core和tika-parsers,版本号为1.26。这两个依赖包含了Tika库的核心功能和解析器。你可以在Tika API的org.apache.tika包中找到一个外观facade类,它是从Java调用Tika的最简单和直接的方式,也遵循了外观设计模式。通过Tika,你可以解析各种文件类型,提取其中的元数据和文本内容,使得Tika在搜索引擎索引、内容分析、翻译等方面非常有用。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [Apache Tika入门](https://blog.csdn.net/qgnczmnmn/article/details/117515698)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [TIKA架构](https://blog.csdn.net/yueyeqingshan/article/details/45366937)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值