首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >使用Apache Tika从归档中仅提取文件的名称

使用Apache Tika从归档中仅提取文件的名称
EN

Stack Overflow用户
提问于 2012-09-27 19:08:50
回答 1查看 996关注 0票数 0

我希望Tika只输出归档文件中的文件名(如果输入文件是归档文件),如果输入文件不是归档文件,则像往常一样输出文件内容。我该怎么做呢?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2012-10-08 19:36:49

我扩展了ParsingEmbeddedDocumentExtractor类

代码语言:javascript
运行
复制
class CustomParsingEmbeddedDocumentExtractor extends ParsingEmbeddedDocumentExtractor {
  public CustomParsingEmbeddedDocumentExtractor(ParseContext context) {
    super(context);
  }

  public void parseEmbedded(
        InputStream stream, ContentHandler handler, Metadata metadata, boolean outputHtml)
        throws SAXException, IOException {


    String name = metadata.get(Metadata.RESOURCE_NAME_KEY);
    if (name != null && name.length() > 0 ) {
        handler.startElement(XHTML, "h1", "h1", new AttributesImpl());
        char[] chars = name.toCharArray();
        handler.characters(chars, 0, chars.length);
        handler.endElement(XHTML, "h1", "h1");
    }

    //Removed the parsing logic here.. We just want the file names..

  }
}

并在执行someparser.parse()之前将其设置为ParseContext变量

代码语言:javascript
运行
复制
context.set(EmbeddedDocumentExtractor.class, new CustomParsingEmbeddedDocumentExtractor(this.context));

这只适用于zip、tar和jar。这对我来说已经足够了。

票数 4
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/12619983

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档