apache-tika

5ısı

2cevap

Çince, Japonca gibi yabancı dil ayıklamak için Apache Tika mümkün mı?

Çince, Japonca gibi yabancı dil ayıklamak için Apache Tika mümkün mı? "?" Girdi Çince karakterler içeren bir doc dosyasıdır Detector detector = new DefaultDetector(); Parser parser = new AutoDete

9ısı

1cevap

Dosyada ayrıştırmada Ubuntu makinesinde yazı tipi sorunu PDF Dosyası

Ubuntu 14.04.x Makinemde bir uygulamam var. Bu uygulama PDF dosyaları üzerinde metin madenciliği yapar. Ben sorun, onun okuma işlemi sırasında, aşağıdaki uyarıyı elde ediyoruz ... o Apaçi Tika vb ku

6ısı

2cevap

Apache Tika ve Json

İçerikten dosya türünü belirlemek için Apache Tika'yı kullandığımda. XML dosyası gayet iyi ama json değil. İçerik türü json ise, "application/json" yerine "text/plain" ifadesini döndürür. Herhangi bir

6ısı

1cevap

İç içe geçmiş ZIP dosyası kullanımı için Java yardımcı kitaplığı

Oracle'ın ZIP/GZIP dosya sıkıştırıcı/sıkıştırıcı yöntemlerini on their website notlarıyla karşıladığını biliyorum. Ancak, yuvalanmış ZIP'lerin/RAR'lerin dahil olup olmadığını taramak ve bulmam gereken

15ısı

2cevap

Elasticsearch Parse PDF'yi endekslemeye çalışırken istisna hatası

Sadece elasticsearch ile çalışmaya başladım. İhtiyacımız olan binlerce PDF dosyasını dizine eklememize gerek duyuyor ve sadece bir tanesini başarılı bir şekilde indekslemek için zor bir zaman geçiriyo

5ısı

1cevap

/solr/update ile indekslenirken bir SOLR belgesini artırma

Web sitemi dizine eklemek için, belgenin kök dizinindeki her dosyayı Solr'a yükleyen bir kabuk komut dosyası üreten bir Ruby komut dosyası kullanıyorum. kabuk komut dosyası şuna benzer birçok çizgiler

8ısı

2cevap

İçerik türünden dosya uzantısı nasıl edinilir?

Apache Tika kullanıyorum ve içerik türünü yansıtan uzantıya sahip olması için yeniden adlandırılması gereken belirli bir içerik türüne sahip (uzantısız) dosyam var. Programlama yerine kullanabileceğim

11ısı

1cevap

TIka kullanarak büyük dosyalar nasıl okunur?

Tika kullanarak büyük pdf ve kelime belgeleri ayrışıyorum ama hata mesajı alıyorum. Your document contained more than 100000 characters, and so your requested limit has been reached. To receive the fu

6ısı

1cevap

Arapça PDF için Solr

Apache Solr'da arapça PDF'leri araştırmaya çalışıyorum. Sorun, Tika'nın PDF'yi (Sağdan sola) yerine ters sırada (Soldan sağa) endekslediğidir. Burada bu sorun hakkında buldum referanslar: Ancak Solr f

26ısı

1cevap

Java'da MIME Türünden uygun dosya uzantısı nasıl belirlenir

Dosyaları bir Amazon s3 kovasına yüklüyorum ve InputStream ve dosyanın MIME Türünü içeren bir dize, ancak orijinal dosya adına erişemiyorum. Dosyayı S3'e basmadan önce dosya adını ve uzantısını oluştu