tika的框架，功能

Tika是什么？

      Tika是一个内容抽取的工具集合。它集成了POI, Pdfbox 并且为文本抽取工作提供了一个统一的界面。其次，Tika也提供了便利的扩展API，用来丰富其对第三方文件格式的支持。

Apache Tika 可以自动检测各种文档(如word,ppt,xml,csv,ppt等)的类型并抽取文档的元数据和文本内容。Tika集成了现有的文档解析库，并提供统一的接口，使针对不同类型的文档进行解析变得更简单。

 

Tika的框架结构：

Tika支持的功能：

文件类型检测：使用不同的检测技术，检测给它的文件的类型。

语言检测：语言识别功能

内容提取：解析器库，可以分析各种文档格式的内容