apache-tika

0зной

1ответ

Я использую Solr 5.3.1 с tika для извлечения pdf для индексирования. Процесс работал, но он включает в себя много переходов в новой строке. Есть ли способ удалить эти разрывы строк с помощью анализато

0зной

1ответ

не в состоянии отправить Excel или файлы Word в Solr 6.3.0, где изменения конфигурации

При попытке разместить любые Excel/Word/PDF файлы, Solr отвечает Unsupported ContentType: application/vnd.ms-excel Not in: [application/xml, application/csv, application/json, text/json, text/csv, tex

0зной

1ответ

Ошибка неопределенного поля: «язык»

У меня есть проект с apache solr (версия 6.2) и тика. Я конфигурирую schema.xml, data-config.xml и solrconfig.xml, но когда я пытаюсь загрузить PDF с помощью метода \ update \ extract \, журнал покаже

0зной

1ответ

Apache Tika не смог извлечь полный текст из большого pdf

Я пытаюсь извлечь текст из большого pdf (не сканированного/растрированного pdf) файла с помощью apache tika. Но после извлечения текста, когда я сравниваю оригинал (из pdf) и извлеченный текст, я обна

0зной

2ответ

Индексирование арабских PDF-файлов с помощью Solr

Я пытаюсь искать текстовые документы, используя Solr и Tika. Все работает отлично для .docx, .pptx, .csv, .xlsx, .. но когда дело доходит до .pdf-файлов, оно возвращает пустой контент. Я не могу понят

0зной

1ответ

как разобрать слово документ с помощью Tikaparser и сохранить содержимое в XML или JSON

Я разборе слово файл, используя приведенный ниже код в Java ParseContext pcontext = new ParseContext(); AutoDetectParser parser = new AutoDetectParser(); Metadata metadata = new Metadata(); InputSt

0зной

1ответ

HSEARCH000151: Невозможно получить входной поток от объекта типа byte

Я пытаюсь индексировать pdf-файл через Hibernate Search @TikaBridge. Согласно документации, аннотированный поле с TikaBridge должно быть никаких на следующие типы: String - where the string value is i