как получить определенные теги метаданных из файлов с помощью apache tika

У меня есть несколько файлов в папке (sample.pdf, sample.html и т. д.), и я использую следующую команду Apache tika для извлечения метаданных.

java -jar tika-app.jar -m -j /sample/sample.pdf > test.txt

после выполнения этой команды я могу получить все теги метаданных для файла sample.pdf, но мое требование состоит в том, чтобы получить определенные теги, такие как автор, название и т. д. Пожалуйста, предложите мне, как использовать Apache tika для получения определенных тегов метаданных.

Спасибо


linux java file metadata apache-tika
person user2353439    schedule 24.06.2013    source источник
comment
xpdf предоставляет утилиту pdfinfo, предоставляющую информацию о метаданных для PDF.   -  person devnull    schedule 24.06.2013
comment
Поместить метаданные во временный файл, grep для интересующего ключа метаданных, использовать awk для разделения значения? Или что-то более конкретное/на другом языке/и т.д.?   -  person Gagravarr    schedule 24.06.2013

Ответы (1)


arrow_upward
0
arrow_downward

Вы можете извлечь имена метаданных следующим образом (мой пример предназначен для анализа файла XML, вы можете просто изменить его на анализатор PDF или использовать анализатор автоматического обнаружения:

//detecting the file type
BodyContentHandler handler = new BodyContentHandler(-1);
Metadata metadata = new Metadata();
File inFile = new File("example.xml");
FileInputStream inputstream = new FileInputStream(inFile);
ParseContext pcontext = new ParseContext();

//Xml parser
XMLParser xmlparser = new XMLParser(); 
xmlparser.parse(inputstream, handler, metadata, pcontext);

System.out.println("Metadata of the document:");
String[] metadataNames = metadata.names();//Now we have all the metadata tags here

for(String name : metadataNames) {
    if (name == "Your Particular Tag"){ //here you can check if the tag names are the particular ones you need and do what you want with them
        System.out.println(name + ": " + metadata.get(name));
    }
}
person USC.Trojan    schedule 02.04.2017