我正在使用apache tika解析docx文件。parseContext);当我发送track_revised文档文件时，它添加了与实际文本和插入文本一起删除的所有文本有没有办法让解析器排除被删除的文本？
浏览 30提问于2018-03-01得票数 1
1回答
我试图通过他们的REST调用Apache。我已经成功地上传了PDF文档并通过CURL返回了文档的文本 Params.Free; finally end;现在，我想上传一个word文档(.docx)，我认为我所需要做<e
浏览 5提问于2020-02-19得票数 1
回答已采纳
1回答
当我尝试使用org.apache.tika.parser.Parser和DefaultDetector()来检测和解析.doc和.docx文件格式时。但是我从Tika jars中得到了一些错误(也不例外)，这对我在这里没有任何有用的堆栈跟踪。我可以确认这种情况只发生在.doc和.docx上。PDF，jpeg，短信很好。我以前有扩音器的irex解析器来解析，但出于多种原因，我决定使用Tika。byte
浏览 19提问于2016-01-14得票数 1
回答已采纳
2回答
我有以下测试代码来检测docx内容类型： public void testContentTypeOfaWordDOCXFileIsReturnedCorrectlyByTheServer，即"application/x-tika-ooxml"，但我得到的是"application/zip“。我还在pom文件中添加了tika解析器和tika核心(参见)java.l
浏览 8提问于2016-08-23得票数 4
1回答
我正在使用Apache ( 1.7岁)和Apache在Maven构建的项目中从.doc和docx文档中提取文本。因为某种原因，我得到了错误。正如在中所说的，这是由版本问题引起的。因此，显而易见的解决方案是升级POI或什么的。这方面的问题是，我正在使用
浏览 3提问于2015-04-19得票数 1
回答已采纳
我在服务器模式下使用Appache Tika。我需要开发解析文件的java rest客户端。", fileBody);response = client.execute(pdfPutRequest);
使用apache.http现在我尝试开发docx部分，但我不知道我需要提供哪个应用程序( mimeType /docx给我错误)。在没有mimeTi
浏览 6提问于2017-02-28得票数 0
我知道我们可以通过扩展或mime类型来完成它，我们是否有其他方法可以获得文件类型的概念，无论是.docx还是.doc。
浏览 4提问于2017-01-18得票数 3
回答已采纳
1回答
我试图从docx中提取文本: tika-app做得很好，但是当我尝试在代码中做同样的事情时，结果就什么都不是了，tika解析器说我docx文件的内容类型是"application/zip“。UPDATE:如果我将文件名添加到元数据中，现在将正确地检测到文件内容类型：AutoDetectParserParseContext
浏览 3提问于2015-07-16得票数 0
我想得到信息写在文本框中的MS word文档。我正在使用Apache解析word文档。我想要提取的东西text_box>some info
浏览 5提问于2011-03-28得票数 2
回答已采纳
在使用Apache时，我(以编程方式)从MS文件中获得的字符串与我用MS打开文件时看到的不一样。someFile);System.out.println(wordDoc.getText()); System.out.println(paragraph);
浏览 3提问于2012-04-20得票数 11
回答已采纳
使用这种方法，如果我的输入数据是一个文件: 1.docx，那么在输出中我可以看到： -image.png或者，如果输入文件是: 222.rar，那么在输出端有：
222.结果是，我们创建了一个CustomParsingEmbeddedDocumentExtractor，并将其保存在Tika配置中，以便替换原始的ParsingEmbeddedDocumentExtrac
浏览 8提问于2022-08-31得票数 0
我被困在一个地方，我需要立即帮助，下面是我的问题。
System.out.println("Target URI:"+package
浏览 1提问于2012-04-12得票数 0
回答已采纳
3回答
码头巨蟒
、、
我喜欢创建一个Dockerfile，它安装在Docker容器中运行python所需的所有组件。python-docx tika numpy pandas
但是它抱怨了以下错误：
[~/Documents/BERT_DV/Docker_Par
浏览 0提问于2020-05-08得票数 3
回答已采纳
但是，虽然它允许复杂的文件名模式匹配(.DOC*, .PDF, .XL*, .TXT, .XML是合法输入)，但Searchy不能搜索文件的CONTENTS中的单词和短语，比如private protected这个链接的简介让我认为Apache Tika是我应该在Searchy中使用的。我不知道如何明智地使用它，但是如果我能够弄清楚如何处理一个文件以查看它是否包含特定的String，我想我将定位于使进程在Search
浏览 4提问于2015-08-08得票数 0
回答已采纳
对于下面的用例- pdf文件和图像中的文本，pdf分析器运行时异常的解析失败。全错误堆栈跟踪：-
org.apache.tika.parser.CompositeParser.parse(CompositeParser.java:312) ~org.apache.tika.tika-core-2.6.0.jar:2.6.0 at org.apac
浏览 19提问于2022-11-11得票数 0
没有Docker的脚本能够使用tika.解析pdf文件。apache/tikadocker 码头拉出 -d -p 9998:9998 apache/tikacat Dockerfile (最终上市)Exited (0) 4 minutes a
浏览 1提问于2020-04-09得票数 0
2回答
我的应用程序允许用户下载文件。在创建标题时，我使用Tika设置扩展，如下所示。这对pdf文件很好。DOC和EXCEL文件失败。= new HttpHeaders();
Tikatika = new Tika();
浏览 14提问于2020-03-04得票数 2
然而，当我在Tika Server中运行Grobid (遵循https://cwiki.apache.org/confluence/display/TIKA/GrobidJournalParser中提到的指令)时，我得到相同pdf文档的以下错误(代码片段)： org.xml.sax.SAXParseException; Premature end of file.at org.apac
浏览 59提问于2020-07-16得票数 1
3回答
然而，我的问题是，我正在测试这些方法的文件是我创建的，所以我知道它是一个Excel文件，但除了第一个方法之外，所有三个方法都错误地将类型拾取为msword，我认为第一个方法是因为该方法使用的内置FileTypeMap我看了看，有些人说这是因为在文件中检测偏移量的方式，所以内容类型被错误地提取，就像在PHP中检测文件类型的中指出的那样。不幸的是，wiki继续使用扩展
浏览 1提问于2011-12-13得票数 14
回答已采纳
1回答
我在django和pyjnius一起工作。我无法将它作为一个模块导入，所以我就这样使用它正常工作，但在虚拟环境中会产生错误。run_me.py", line 11, in <module>ImportError: No module named jnius
是我正在编写的代码<e
浏览 6提问于2016-03-21得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
腾讯会议
腾讯云开发者
