我正在做一个研究项目，我需要一个NLP程序来检测许多不同情况下的句子。有人建议我使用OpenNLP，在阅读了它的维基页面后，我被说服使用它。我想检测每个文件中的句子，如果它们包含任何文本。因此，我开始将每个可能包含文本的文件转换为.txt文件。转换过程并不完美。
浏览 0提问于2014-05-29得票数 1
1回答
我有兴趣找到一个用于NLP/文本处理的库，它提供了一个用于以最常见的文本格式访问文本的通用接口：
注意到歧义，如行尾连字符，句号可以是首字母
浏览 2提问于2012-12-02得票数 0
回答已采纳
1回答
我正在使用Tika库来解析存储在Hadoop集群中的文档。我使用的代码如下：import urllib3在linux上，如果我给出一个本地路径，tika可以解析，但是对于hdfs路径，我得到一个
Spark I/O error:
浏览 0提问于2018-03-13得票数 1
我们使用tika从许多文档中提取文本，为此我们需要提供tika服务自定义配置文件(xml)。而在码头，你可以这样做，就像它出现在我不知道如何在k8s部署中实现相同
浏览 14提问于2022-06-23得票数 0
但是，在我的示例中，如果删除文件类型，则函数将返回文件类型"null“。如果我附加了正确的扩展名，那么我得到的类型是"image/jpeg“。在这种情况下，我故意从文件“Nature.jpg”中删除扩展名：使用org.apache.tika更新 (v2.4)String myType= tika.detect(filePath
浏览 8提问于2022-06-22得票数 1
我使用Apache Tika作为服务来分析Python中的Office文档，如下所示： url = 'http://{0}:{1}/rmeta/xml'res = requests.put(url, data=dat).json() 如果文档包含宏，我想从文档中提取宏的内容，但不知道如何做到这一点。Apache Tika文档并没有那么好。有没有我需要用来让Tika服务器返回宏内容以及文档
浏览 38提问于2020-04-13得票数 0
回答已采纳
PRO_ID = 256 // commit to the index但是，我面临着使用相同代码从远程提取或索引文档的问题:57) at org.apache.tika.parser.CompositeParser.parse(CompositeParser.jav
浏览 6提问于2011-05-05得票数 2
回答已采纳
我正在用tika server v1.20提取文本。天才大脑如何学习大卫A.苏萨形象:天才大脑如何学习欢迎来到我们第三次家庭之门研究。复制：java -jar tika-server-1.20.jar -p 5000将文件附加为二进制文件和content-type\]删除</e
浏览 3提问于2019-10-03得票数 1
回答已采纳
2回答
我有一个要求生成报告作为xls，但我已经在我的项目中的TIKA。现在TIKA确实包含了POI，这里让我担心的是TIKA 1.2 (我目前正在使用)包含了POI 3.8的beta版本。我预见有一天，我必须更新POI或TIKA，因为一个错误修复，而另一个保持原样。有人对这种情况有经验吗？这是现实中的一个问题，还是我应该只使用TIKA附带的POI版本呢？
浏览 6提问于2012-08-24得票数 0
回答已采纳
Apache Tika Server提供了一个Rest API来从文档中提取文本。还可以设置特定的请求头参数，如X-Tika-PDFOcrStrategy。例如：从大量关于tika的不同文档中，
浏览 35提问于2020-05-26得票数 2
回答已采纳
1回答
我正在使用Apache Tika 1.4从我的文档中提取内容。但它也附带了org.bouncyCast.*类，我使用的是另一个版本的bouncycastle，它与Tika包冲突。如果Tika使用的是bouncycastle (bcprov) jar，我可以从Maven.Using exclusion标签中排除它，但是TikaApp已经将org.bouncycastle类复制到其中有没有一些方法可以在不重新编译或分支Apache Tika的情况下删除这个包，并设置为使用另
浏览 1提问于2014-01-30得票数 0
1回答
我使用Apache Tika解析RTF文件，以获得字符串形式的明文。现在我想从这个字符串中删除一些字符，->，ok。现在，我想再次将结果保存为RTF。(您可以将此过程视为通过删除段落来修改RTF文件。)这怎麽可能？如何使用Tika将此字符串导出为RTF？
浏览 1提问于2012-04-25得票数 4
我正在进行的项目有一个使用Tika的WebUI (WAR)和另一个也使用Tika的应用程序(JAR)。我使用了上的Tika故障排除提示Tika version: Apache Tika 1.22
Tika detector type org.apache.tika.detect.OverrideDetectorTika detector type org.apache.tika.parser.
浏览 1提问于2019-11-15得票数 1
1回答
如何使用Apache Tika从.tex文件中提取文本？上有一个示例文件java -jar tika-app-0.9.jar -t EulerGibbsDuhem.texFile file = new File(fileName);Tika tika = new Tika();
String mimeType
浏览 2提问于2011-03-15得票数 1
回答已采纳
1回答
从阿帕奇·蒂卡开始吗？
、、、
我想编写一个使用Apache Tika下载网页文本内容的Java web爬虫，但我是使用Apache项目的新手，而且我还没有找到明确的源代码来明确如何将Tika集成到程序中。根据我从互联网上收集到的信息，我已经在命令行中使用Maven构建了Tika，但是我不知道从哪里开始使用Tika类(？)比如我的Java程序中的Parser等等。我使用的是Eclipse，如果这有区别的话--我还为Eclipse安装了Maven插件，但我不太清楚<e
浏览 3提问于2013-07-23得票数 1
回答已采纳
1回答
阿拉伯PDF的Solr
、、、、
我试图在Apache中搜索阿拉伯PDF。问题似乎是Tika用相反的顺序索引PDF (从左到右)，而不是(从右到左)。我在这里找到了有关这个问题的参考资料：
请解释，因为我以前没有使用Java的经验。谢谢!
浏览 5提问于2012-11-27得票数 6
1回答
如何使用solr 6.4.1配置Tika OCR。我索引的文档包括PDF，图像和MS办公文档，但问题是，Tika没有从图像中提取文本，也没有从PDF和MS办公文档中提取文本。为此，我研究了使用Tika OCR。为此，我正在安装tika-app-1.7.jar和Tesseract，但是我不知道如何用我的solr核心来配置它们。
浏览 4提问于2017-03-25得票数 2
回答已采纳
2回答
如何将环境变量设置为本地主机？
、、、、
我试图使用的提到了以下内容：
TIKA_SERVER_ENDPOINT=http://localhost:9998
但这只是导致了一个404，与Network Error (dns_unresolved_hostnamecannot
浏览 4提问于2017-06-22得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
