如何使用 Apache Tika 提取和處理 ZIP 檔案中不同文件類型的內容？

使用Apache Tika 從Zip 檔案中的檔案讀取內容

問題：
擷取並處理多種檔案類型的內容(使用Apache Tika 的ZIP 檔案中的.txt、.pdf、.docx）。

解決方案：

1.建立ZipFile 物件：
實例化ZipFile 物件來表示ZIP 存檔並取得ZipEntry 的枚舉：

<code class="java">ZipFile zipFile = new ZipFile("C:/test.zip");
Enumeration<? extends ZipEntry> entries = zipFile.entries();</code>

2.迭代條目：
循環遍歷枚舉中的每個ZipEntry：

<code class="java">while (entries.hasMoreElements()) {
    ZipEntry entry = entries.nextElement();
}</code>

3.取得🎜>

3.取得文件內容：

<code class="java">InputStream stream = zipFile.getInputStream(entry);</code>

對於每個ZipEntry，獲取其內容的InputStream：

4.使用Apache Tika 解析文件內容：

<code class="java">Tika tika = new Tika();
String content = tika.parseToString(stream);</code>

由於您使用Apache Tika 解析文件內容：由於您使用的是Apache Tika，因此建立一個新的Tika 實例並使用其解析方法來提取檔案內容：

<code class="java">// Process your extracted content here...</code>

5 。處理擷取的內容：

• 註解：

使用此方法，您可以讀取Apache Tika 所有支援的檔案類型的內容.記得處理文件處理過程中可能出現的異常。

以上是如何使用 Apache Tika 提取和處理 ZIP 檔案中不同文件類型的內容？的詳細內容。更多資訊請關注PHP中文網其他相關文章！