Bagaimanakah saya boleh menggunakan Apache Tika untuk mengekstrak dan memproses kandungan daripada jenis fail yang berbeza dalam arkib ZIP?

Membaca Kandungan daripada Fail dalam Arkib Zip Menggunakan Apache Tika

Masalah:
Ekstrak dan proses kandungan berbilang jenis fail ( .txt, .pdf, .docx) dalam arkib ZIP menggunakan Apache Tika.

Penyelesaian:

1. Cipta Objek ZipFile:
Segera objek ZipFile untuk mewakili arkib ZIP dan dapatkan Penghitungan objek ZipEntry:

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

2. Lelaran melalui Entri:
Gelung melalui setiap ZipEntry dalam penghitungan:

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

3. Dapatkan Kandungan Fail:
Untuk setiap ZipEntry, dapatkan InputStream kepada kandungannya:

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

4. Menghuraikan Kandungan Fail menggunakan Apache Tika:
Memandangkan anda menggunakan Apache Tika, cipta tika Tika baharu dan gunakan kaedah penghuraiannya untuk mengekstrak kandungan fail:

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

5 . Kandungan Proses Ekstrak:

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

Nota:

• Menggunakan pendekatan ini, anda boleh membaca kandungan semua jenis fail yang disokong oleh Apache Tika .
• Ingat untuk mengendalikan pengecualian yang mungkin berlaku semasa pemprosesan fail.

Atas ialah kandungan terperinci Bagaimanakah saya boleh menggunakan Apache Tika untuk mengekstrak dan memproses kandungan daripada jenis fail yang berbeza dalam arkib ZIP?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!