一、快速入門

1、Tika是一個用于文本解釋的框架，其本身并不提供任何的庫用于解釋文本，而是調(diào)用各種各樣的庫，如POI，PDFBox等。

使用Tika，可以提取文件中的作者、標(biāo)題、創(chuàng)建時間、正文等內(nèi)容，相比于java.io自帶的一些功能（如FileInputStream,FIleReader,Scanner等）：

（1）若文檔為純文本，如txt，html，java文件等，則二者對于文件內(nèi)容的提取基本無差別，都可將內(nèi)容呈現(xiàn)出來。

（2）若文檔為富文本，如office，pdf等，使用java.io直接讀取內(nèi)容會得到一串亂碼，而需要通過種種工具去提取正文內(nèi)容，如PDFBox提取PDF文件，POI提取office文件等。

TIka已將各種工具作了統(tǒng)一封裝，形成統(tǒng)一的API，用于提取文本正文。

但注意：解釋文本

上述步驟只是將正文內(nèi)容提取了出來，如將word文檔、Html文檔等的正文提取出來，但未對文檔正文的內(nèi)容進(jìn)行解釋，此時需要用到其它的工具如：

（1）DOM4J用于提取XML正文中的內(nèi)容，如某個元素或者屬性的值。

（2）HtmlPaser用于提取HTML正文中的內(nèi)容，也是提取無素或者屬性的值，比如提取文中的超鏈接等。

Tika是否已經(jīng)完成此功能的封裝還不確認(rèn)，以后再研究。

2、使用GUI界面解釋文本

（1）進(jìn)入Tika所有的目錄，運行以下命令：

java -jar "tika-app-1.5 (1).jar" -g

（2）Tika的圖形界面被打開，然后找開File-openURL：

（3）點擊確認(rèn)后，即返回解釋結(jié)果

默認(rèn)情況下顯示的是文本的元信息

（4）可以通過view菜單中的選項，分別查看 metadata, formatted text, plain text, main content, stuctured text等信息。

3、調(diào)用API解釋文件

package com.ljh.test;import java.io.File; import java.io.FileInputStream; import java.io.FileNotFoundException; import java.io.IOException; import java.io.InputStream;import org.apache.tika.exception.TikaException; import org.apache.tika.metadata.Metadata; import org.apache.tika.parser.AutoDetectParser; import org.apache.tika.parser.ParseContext; import org.apache.tika.parser.Parser; import org.apache.tika.sax.BodyContentHandler; import org.xml.sax.ContentHandler; import org.xml.sax.SAXException;public class TikaBasicUtil {public String fileToTxt(File f) {//1、創(chuàng)建一個parserParser parser = new AutoDetectParser();InputStream is = null;try {Metadata metadata = new Metadata();metadata.set(Metadata.RESOURCE_NAME_KEY, f.getName());is = new FileInputStream(f);ContentHandler handler = new BodyContentHandler();ParseContext context = new ParseContext();context.set(Parser.class,parser);//2、執(zhí)行parser的parse()方法。parser.parse(is,handler, metadata,context);for(String name:metadata.names()) {System.out.println(name+":"+metadata.get(name));}return handler.toString();} catch (FileNotFoundException e) {e.printStackTrace();} catch (IOException e) {e.printStackTrace();} catch (SAXException e) {e.printStackTrace();} catch (TikaException e) {e.printStackTrace();} finally {try {if(is!=null) is.close();} catch (IOException e) {e.printStackTrace();}}return null;}}
測試程序如下：

package com.ljh.test;import java.io.File;import org.junit.Test;public class TikaBasicUtilTest {@Testpublic void test() {TikaBasicUtil tbu = new TikaBasicUtil();System.out.println(tbu.fileToTxt(new File("D:/G組-C羅壓哨助攻扳平 葡萄牙2-2美國保晉級希望.docx")));}} 輸出結(jié)果如下：

cp:revision:3
meta:last-author:lujinhong
Last-Author:lujinhong
meta:save-date:2014-06-23T04:24:00Z
Application-Name:Microsoft Office Word
dcterms:created:2014-06-23T04:23:00Z
Author:lujinhong
Application-Version:15.0000
Character-Count-With-Spaces:1188
date:2014-06-23T04:24:00Z
Total-Time:1
extended-properties:Template:Normal.dotm
meta:line-count:8
creator:lujinhong
publisher:
Word-Count:177
meta:paragraph-count:2
Creation-Date:2014-06-23T04:23:00Z
extended-properties:AppVersion:15.0000
meta:author:lujinhong
Line-Count:8
extended-properties:Application:Microsoft Office Word
resourceName:G組-C羅壓哨助攻扳平 葡萄牙2-2美國保晉級希望.docx
Paragraph-Count:2
Last-Save-Date:2014-06-23T04:24:00Z
Revision-Number:3
meta:creation-date:2014-06-23T04:23:00Z
dcterms:modified:2014-06-23T04:24:00Z
Template:Normal.dotm
Page-Count:1
meta:character-count:1013
dc:creator:lujinhong
meta:word-count:177
Last-Modified:2014-06-23T04:24:00Z
extended-properties:Company:
modified:2014-06-23T04:24:00Z
xmpTPg:NPages:1
extended-properties:TotalTime:1
dc:publisher:
Character Count:1013
meta:page-count:1
meta:character-count-with-spaces:1188
Content-Type:application/vnd.openxmlformats-officedocument.wordprocessingml.document
上半時美國隊開球。第5分鐘，葡萄牙隊率先進(jìn)球，維羅索左路45度把球吊入禁區(qū)，美國后衛(wèi)卡梅倫解圍失誤，納尼在遠(yuǎn)門柱附近右腳抽射球門上角建功，葡萄牙1-0美國。
第9分鐘，鄧普西突破被斷，無隊友接應(yīng)。第11分鐘，美國長傳反擊，科斯塔頭球解圍。第12分鐘，阿爾維斯鏟倒約翰遜，美國隊獲得禁區(qū)前任意球，鄧普西主罰大力攻門，球擦著橫梁高出。第16分鐘，葡萄牙中鋒波斯蒂加受傷，被埃德?lián)Q下。第18分鐘，美國右路傳中，鄧普西禁區(qū)左肋抽射打高。
第24分鐘，美國隊后場斷球反擊，布拉德利禁區(qū)前抽射，球擦著橫梁高出。第27分鐘，祖西傳球，鄧普西禁區(qū)右肋抽射，科斯塔堵槍眼。1分鐘后，布拉德利遠(yuǎn)射稍偏。第32分鐘，美國反擊，約翰遜遠(yuǎn)射打偏。第34分鐘，維羅索遠(yuǎn)射打在后衛(wèi)身上，C羅拿球被吹越位。
第35分鐘，C羅遠(yuǎn)射被霍華德?lián)渥　５?0分鐘，瓊斯受傷，主裁判吹停比賽，進(jìn)入喝水時間。第42分鐘，葡萄牙反擊，C羅分球，納尼右路遠(yuǎn)射被撲出。第43分鐘，葡萄牙獲得禁區(qū)前任意球，C羅主罰打高。第45分鐘，納尼遠(yuǎn)射打中立柱，埃德補(bǔ)射被霍華德用指尖擋出。上半時結(jié)束，葡萄牙1-0美國。
下半時易邊，葡萄牙隊用卡瓦略換下阿爾梅達(dá)。第48分鐘，卡梅倫解圍打在隊友被貝斯勒身上，埃德?lián)屔浯蚋摺５?5分鐘，美國隊錯失良機(jī)，約翰遜右路下底傳中，布拉德利5碼處推射，科斯塔門線堵槍眼。第62分鐘，葡萄牙反擊，C羅禁區(qū)右肋射門打偏。
第64分鐘，美國隊扳平比分，角球罰出被后衛(wèi)解圍出禁區(qū)，瓊斯外圍拿球橫向閃過納尼，右腳大力抽射，球飛進(jìn)球門死角，葡萄牙1-1美國。
第66分鐘，葡萄牙反擊，納尼右路傳中，遠(yuǎn)端梅雷萊斯抽射被門將撲出。第68分鐘，葡萄牙用完第三個換人名額，瓦雷拉換下梅雷萊斯。第74分鐘，納尼突入禁區(qū)摔倒，裁判沒有吹罰點球。1分鐘后，瓊斯滑鏟放倒穆蒂尼奧，吃到黃牌。第80分鐘，納尼右路禁區(qū)前橫切遠(yuǎn)射打高。
第81分鐘，美國隊反超比分！瓊斯中路分球，葉德林右路下底傳中，布拉德利12碼處推射打在后衛(wèi)身上，祖西左路拿球傳中，鄧普西用胸口把球撞進(jìn)空門，美國2-1葡萄牙。
第86分鐘，維羅索直塞，C羅在越位位置完成射門。葡萄牙右路起球，C羅頭球攻門頂偏。第93分鐘，葡萄牙左路起球，C羅頭球頂偏。第95分鐘，C羅右路傳中，瓦雷拉頭沖頂破門，2-2！全場結(jié)束，美國2-2葡萄牙。
葡萄牙（433）：22-貝托/21-佩雷拉、2-阿爾維斯、13-科斯塔、19-A-阿爾梅達(dá)（46'卡瓦略）/8-穆蒂尼奧、4-維羅索、16-梅雷萊斯（68'瓦雷拉）/17-納尼、23-波斯蒂加（16'埃德）、7-C羅
美國（4231）：1-霍華德/7-比斯利、5-貝斯勒、20-卡梅倫、23-F-約翰遜/15-貝克曼、13-瓊斯/19-祖西（91'岡薩雷斯）、11-貝多亞（72'葉德林）、4-布拉德利/8-鄧普西（87'沃多洛斯基）

總結(jié)

以上是生活随笔為你收集整理的【Tika基础教程之一】Tika基础教程的全部內(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。