tika获取压缩文件内容

package com.wangchao.tika.sax;

import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;

public class MyHandler extends DefaultHandler {
    @Override
    public void characters(char[] ch, int start, int length)
            throws SAXException {
        String content = new String(ch,start,length);  
        System.out.println(content);
    }

@Override
    public void endElement(String uri, String localName, String qName)
            throws SAXException {
        System.out.println("</"+qName+">");
    }

@Override
    public void startElement(String uri, String localName, String qName,
            Attributes attributes) throws SAXException {
        System.out.println("<"+qName+">");
    }

}

//主类

package com.wangchao.tika.demo;

import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.Reader;

import org.apache.tika.Tika;
import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.xml.sax.SAXException;

import com.wangchao.tika.sax.MyHandler;

public class RarDemo {
    public static void main(String[] args) throws FileNotFoundException, IOException, SAXException, TikaException {
        Tika tika = new Tika();
        Metadata m = new Metadata();
        Parser parser = tika.getParser();    
        MyHandler mh = new MyHandler();
        ParseContext p =    new ParseContext();
        p.set(Parser.class,parser);

//目前能实现读取压缩文件里面文件的标题和正文。
        parser.parse(new FileInputStream(new File("/home/wangchao/下载/4.zip")), mh, m, p);
    }
}

以下代码与上面没关系,可以获取压缩文件中的文件的元数据

package com.wangchao.tika.zip;

import java.io.File;
import java.io.IOException;
import java.util.Collections;
import java.util.List;
import java.util.zip.ZipEntry;
import java.util.zip.ZipException;
import java.util.zip.ZipFile;

import org.apache.tika.Tika;
import org.apache.tika.metadata.Metadata;

public class ZipFileDemo {

/**
     * @param args
     * @throws IOException
     * @throws ZipException
     */
    public static void main(String[] args) throws ZipException, IOException {
        // TODO 自动生成的方法存根
        ZipFile zf = new ZipFile(new File("/home/wangchao/下载/4.zip"));
        List<ZipEntry> list = (List<ZipEntry>) Collections.list(zf.entries());
        Tika tika = new Tika();
        Metadata m = new Metadata();
        tika.parse(zf.getInputStream(list.get(0)), m);
        System.out.println(m);
    }

}

tika获取压缩文件内容,布布扣,bubuko.com

时间: 2024-10-05 19:30:41

tika获取压缩文件内容的相关文章

使用objective-zip库实现压缩文件内容的替换

功能需求: 公司项目要实现电子书连载功能,比如一开始只有前2章,后面更新了3-5章的话,需要把后三章的内容添加到原来的文件中,相应的目录也要修改.(以下拿epub格式的电子书为例.PS:epub实际上就是压缩文件) 思路:可以把现在的epub和新增的epub解压出来.把新的epub里面同名的文件覆盖掉旧的.新增的复制过去,再打包成epub. 这样操作的话,效率不高也比较消耗内存.所以去网上找了下有没有效率不错的第三方. objective-zip github地址:https://github.

Qt获取office文件内容

Qt获取office文件内容 需要获取word文件的文件内容.网上找了好久,大部分都是excel的.而word的很少.所以在这里记录一下,方便大家查阅和自己使用. 使用的Qt版本是5.4.2 . 下面通过代码说明: 首先在.pro文件中加入 QT       += axcontainer 需要加入以下头文件 #include <QAxWidget> #include <QAxObject> 详细代码如下 void Qt_word(QString filePath) { //指定要打

JAVA利用poi获取world文件内容

本文主要简单介绍了利用poi包,读取world文件内容. 这个依然存在版本的问题,只能读取doc结尾的老版本文件. 话不多说,上代码: 1 import java.io.File; 2 import java.io.FileInputStream; 3 4 import org.apache.poi.hwpf.HWPFDocument; 5 import org.apache.poi.hwpf.usermodel.Range; 6 7 8 public class testdoc { 9 /**

JAVA获取txt文件内容

JAVA 读取txt文件内容 通常,我们可以直接通过文件流来读取txt文件的内容,但有时可能会出现乱码!此时只要设置一下文件字符编码即可. 1 import java.io.BufferedReader; 2 import java.io.File; 3 import java.io.FileReader; 4 5 6 public class txttest { 7 /** 8 * 读取txt文件的内容 9 * @param file 想要读取的文件对象 10 * @return 返回文件内容

php 获取某文件内容

获取某文件下 的文件夹和文件 public function dirRead($dir=''){ //$dir = './upload/images'; $result = ''; if (is_dir($dir)){ if ($dh = opendir($dir)){ while (($file = readdir($dh)) !== false){ if($file !="." && $file !=".."){ $result[] = $fil

获取assets文件内容,raw内容

1.均采用流的方式获取里面的内容 assets context.getAssets().open("fileName"); raw InputStream inputStream = context.getResources().openRawResource(R.raw.config); 原文地址:https://www.cnblogs.com/hechangshou/p/8144874.html

C#获取CSV文件内容对逗号和引号分隔的处理

我们知道,使用excel工具保存成csv文件时有几个规则: 1.每一行的单元格内容之间用逗号分隔. 2.如果单元格的内容本身有逗号,这个单元格的内容将会用引号包含. 3.如果单元格的内容本身有引号, 引号不在首或尾,这个单元格内容不会被引号包含. 引号在首或尾,这个单元格内容会被引号包含且原来首尾的引号会被转义.

http方式获取远程文件内容

public class HttpServer { /// <summary> /// 读取远程文件的内容 /// </summary> /// <param name="path"></param> /// <returns></returns> public string ReadFromFile(string serverFilePath) { if (string.IsNullOrEmpty(serverF

Python真牛逼,获取压缩文件密码,我只要一分钟!

事情的经过是这样的: 又是奶茶,行吧行吧. 快点开工,争取李大伟回来之前搞定. 李大伟说是6位数字密码 那么我们可以利用python生成全部的六位数字密码 这样,我们就生成了一个从000000到99999的密码表. 并把它们存入到 passdict.txt 的文件中. 6位的密码表就这么大!!! 下一步做什么? 自然是将生成的密码表中的密码遍历, 暴力破解啦! 科普时间: zipFile模块式Python自带的模块,提供了对zip 文件的创建,读,写,追加,解压以及列出文件列表的操作 解压使用e