apache-tika

0зной

1ответ

Error неопределенное поле: «stream_size» на Solr

Я пытаюсь использовать/обновить/экстракт в поле, которое ссылается на столбце базы данных в Solr 6.3, но он не работает, и эта ошибка кажется мне: Status: {"data":{"responseHeader":{"status":400,"QTim

1зной

1ответ

Удаление специальных символов из текста/PDF с помощью Apache Tika

Я разбираю файл PDF, чтобы извлечь текст с помощью Apache Tika. //Create a body content handler BodyContentHandler handler = new BodyContentHandler(); //Metadata Metadata metadata = new Metadata()

0зной

1ответ

Извлечь встроенные TIFF в TIKA 1.12 vs TIKA 1.14

Моя цель - преобразовать PDF в xhtml, чтобы встроенные изображения могли быть правильно связаны в html. Приведенный ниже код работает в TIKA 1.12, но не 1.14. Похоже, проблема заключается в том, что в

0зной

1ответ

Gradle, Tika - Исключить некоторые пакеты зависимостей, делая «жирную банку» слишком толстой

Я создаю приложение, которое создает индексы Lucence на нескольких известных форматах документов (.docx, .odt, .txt и т. Д.). Тика идеально подходит для извлечения текста, но он, по-видимому, является

0зной

1ответ

Tika дублирует текст при использовании с Tesseract на OCR PDF

У меня есть отсканированный PDF-документ, который был OCRed, и теперь у него есть двойной слой отсканированного изображения и над ним текст. Если я использую Tika со встроенным Tesseract для извлечени

0зной

1ответ

Конфигурация гусеничного шторма с Tika для рекурсивных обходов

Я хочу включить парсер tika в мою топологию. Я установил jsoup.treat.non.html.as.error как false в конфигурации, и я установил топологию tika, как описано в документации бури. Настройки топологии полз

0зной

1ответ

Tics parsing дает максимальный предел достигнутой ошибки

Я использую Apache Tika для получения содержимого из файлов PDF. Когда я запускаю его, я получаю ниже ошибки. Я не вижу, чтобы эта ошибка регистрировалась где угодно, и это просто плохой сюрприз. org.