Tika應(yīng)用層架構(gòu)

應(yīng)用程序員可以很容易地在他們的應(yīng)用程序集成Tika。Tika提供了一個命令行界面和圖形用戶界面，使它比較人性化。

在本章中，我們將討論構(gòu)成Tika架構(gòu)的四個重要模塊。下圖顯示了Tika的四個模塊的體系結(jié)構(gòu)：

• 語言檢測機制。
• MIME檢測機制。
• Parser接口。
• Tika Facade 類.

語言檢測機制

每當(dāng)一個文本文件被傳遞到Tika，它將檢測在其中的語言。它接受沒有語言的注釋文件和通過檢測該語言添加在該文件的元數(shù)據(jù)信息。

支持語言識別，Tika 有一類叫做語言標(biāo)識符在包org.apache.tika.language及語言識別資料庫里面包含了語言檢測從給定文本的算法。Tika 內(nèi)部使用N-gram算法語言檢測。

MIME檢測機制

Tika可以根據(jù)MIME標(biāo)準檢測文檔類型。Tika默認MIME類型檢測是使用org.apache.tika.mime.mimeTypes。它使用org.apache.tika.detect.Detector 接口大部分內(nèi)容類型檢測。

內(nèi)部Tika使用多種技術(shù)，如文件匹配替換，內(nèi)容類型提示，魔術(shù)字節(jié)，字符編碼，以及其他一些技術(shù)。

解析器接口

org.apache.tika.parser 解析器接口是Tika解析文檔的主要接口。該接口從提取文檔中的文本和元數(shù)據(jù)，并總結(jié)了其對外部用戶愿意寫解析器插件。

采用不同的具體解析器類，具體為各個文檔類型，Tika 支持大量的文件格式。這些格式的具體類不同的文件格式提供支持，無論是通過直接實現(xiàn)邏輯分析器或使用外部解析器庫。

Tika Facade 類

使用的Tika facade類是從Java調(diào)用Tika的最簡單和直接的方式，而且也沿用了外觀的設(shè)計模式。可以在 Tika API的org.apache.tika包Tika 找到外觀facade類。

通過實現(xiàn)基本用例，Tika作為facade的代理。它抽象了的Tika庫的底層復(fù)雜性，例如MIME檢測機制，解析器接口和語言檢測機制，并提供給用戶一個簡單的接口來使用。

Tika的特點

• 統(tǒng)一解析器接口：Tika封裝在一個單一的解析器接口的第三方解析器庫。由于這個特征，用戶逸出從選擇合適的解析器庫的負擔(dān)，并使用它，根據(jù)所遇到的文件類型。

• 低內(nèi)存占用：Tika因此消耗更少的內(nèi)存資源也很容易嵌入Java應(yīng)用程序。也可以用Tika平臺像移動那樣PDA資源少，運行該應(yīng)用程序。

• 快速處理：從應(yīng)用連結(jié)內(nèi)容檢測和提取可以預(yù)期的。

• 靈活元數(shù)據(jù)：Tika理解所有這些都用來描述文件的元數(shù)據(jù)模型。

• 解析器集成：Tika可以使用可在單一應(yīng)用程序中每個文件類型的各種解析器庫。

• MIME類型檢測：?Tika可以檢測并從所有包括在MIME標(biāo)準的媒體類型中提取內(nèi)容。

• 語言檢測：?Tika包括語言識別功能，因此可以在一個多語種網(wǎng)站基于語言類型的文檔中使用。

Tika的功能

Tika支持多種功能：

• 文檔類型檢測
• 內(nèi)容提取
• 元數(shù)據(jù)提取
• 語言檢測

文件類型檢測

Tika使用不同的檢測技術(shù)，檢測給它的文件的類型。

內(nèi)容提取

Tika有一個解析器庫，可以分析各種文檔格式的內(nèi)容，并提取它們。然后檢測所述文檔的類型，它從解析器庫選擇的適當(dāng)?shù)姆治銎?#xff0c;并傳遞該文檔。不同類別的Tika方法來解析不同的文件格式。

元數(shù)據(jù)提取

隨著內(nèi)容，Tika提取具有相同的程序的文件的元數(shù)據(jù)中的內(nèi)容的提取。對于某些文件類型，Tika有接口類提取元數(shù)據(jù)。

語言檢測

在內(nèi)部，Tika如下像一個n-gram算法來檢測所述內(nèi)容的語言的給定文檔中。Tika取決于類，如語言識別和Profiler的語言識別。

標(biāo)簽：TIKA架構(gòu)????TIKA????架構(gòu)???? 本站文章除注明轉(zhuǎn)載外，均為本站原創(chuàng)或編譯
歡迎任何形式的轉(zhuǎn)載，但請務(wù)必注明出處，尊重他人勞動共創(chuàng)優(yōu)秀實例教程
轉(zhuǎn)載請注明：文章轉(zhuǎn)載自： 易百教程 [ http:/www.yiibai.com]
本文標(biāo)題： TIKA架構(gòu)
本文地址： http://www.yiibai.com/tika/tika_architecture.html

總結(jié)

以上是生活随笔為你收集整理的TIKA架构的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。