Wie extrahiere ich Inhalte aus Dateien in einem Zip-Archiv mit Java und Apache Tika?

So lesen und extrahieren Sie Inhalte aus Dateien in einem Zip-Archiv mit Java und Apache Tika

Erfüllen der Aufgabe des Lesens und Extrahierens von Inhalten Das Erstellen von Dateien in einem ZIP-Archiv mit Java und Apache Tika erfordert einige wichtige Schritte.

1. Eingabe initialisieren

Erstellen Sie zunächst einen Eingabestream aus der zu verarbeitenden Datei:

<code class="java">InputStream input = new FileInputStream(file);</code>

2. Zip-Archiv analysieren

Erstellen Sie einen ZipInputStream, um das Zip-Archiv zu analysieren und einzelne ZipEntries zu erhalten:

<code class="java">ZipInputStream zip = new ZipInputStream(input);</code>

3. Extrahieren Sie Inhalte basierend auf dem Dateityp

Durchlaufen Sie die Zip-Einträge und identifizieren Sie diejenigen mit unterstützten Dateitypen (z. B. .txt, .pdf, .docx):

<code class="java">while (entry != null) {
    if (entry.getName().endsWith(".txt") || entry.getName().endsWith(".pdf") || entry.getName().endsWith(".docx")) {
        // Process the file
    }
    entry = zip.getNextEntry();
}</code>

4. Inhalte mit Apache Tika analysieren

Verwenden Sie Apache Tika, um den Inhalt der identifizierten Dateien zu analysieren:

<code class="java">BodyContentHandler textHandler = new BodyContentHandler();
Metadata metadata = new Metadata();
Parser parser = new AutoDetectParser();
parser.parse(input, textHandler, metadata, new ParseContext());</code>

5. Textinhalt extrahieren

Konvertieren Sie den analysierten Inhalt zur weiteren Verarbeitung in einfachen Text:

<code class="java">System.out.println("Apache Tika - Converted input string : " + textHandler.toString());</code>

Fazit

Durch Befolgen dieser Schritte Mit Java und Apache Tika können Sie Inhalte aus mehreren Dateien in einem ZIP-Archiv effizient lesen und extrahieren. Diese Funktionalität ist besonders nützlich für die Verarbeitung von Archiven, die text- oder dokumentenbasierte Daten enthalten.

Das obige ist der detaillierte Inhalt vonWie extrahiere ich Inhalte aus Dateien in einem Zip-Archiv mit Java und Apache Tika?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!