Apache Tika解析doc/docx/txt/xls等文件内容

一、实现功能

Apache Tika解析各种文件内容以及元数据。

二、参考官网

https://tika.apache.org/0.7/formats.html

三、解析文件代码

1.pom依赖

<!--tika  -->
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>0.7</version>
</dependency>
<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers</artifactId>
    <version>0.7</version>
</dependency>

2.代码

package Utils;

import org.apache.tika.Tika;
import org.apache.tika.config.TikaConfig;
import org.apache.tika.utils.ParseUtils;

import java.io.File;

public class tika_getfile {

    public static void main(String[] args) throws  Exception{
//        String path1="D:\\testdata\\设计提出来-1.txt";
//        String path2="D:\\testdata\\word.pdf";
//        String path3="D:\\testdata\\配置.doc";
//        System.out.println(parse(path3));

        tika_getfile.tika();
    }
    /**
     * 方法一：使用ParseUtils解析
     * 解析各种类型文件
     * @param
     * @return 文件内容字符串
     */
    public static String parse(String path) {
        String result = "";
        TikaConfig tikaConfig = TikaConfig.getDefaultConfig();
        try {
            result = ParseUtils.getStringContent(new File(path), tikaConfig);
        }catch (Exception e) {
//            log.debug("[by ninja.hzw]" + e);
        }
        return result;
    }

    public  static  void tika() throws Exception{
        Tika tika=new Tika();
        String[] tt=new String[]{"D:\\testdata\\solr设计提出来-20190515-1.txt",
                "D:\\testdata\\word.pdf",
                "D:\\testdata\\solr索引建立配置.doc"};

        for (String file : tt) {
            System.out.println(file);
            System.out.println(tika.detect(new File(file)));
            String text = tika.parseToString(new File(file));
            System.out.print(text);
        }
    }
}

3.测试成功，解析txt/pdf/doc