如何在 apache tika 中将 word 文档转换为 Json

Question

我对大数据和 Tika 很陌生。我只想知道有没有办法将word文档（.doc）转换为JSON格式。我听说使用 java 的吗啉需要编码才能做到这一点，但我不知道 Java，是否有任何可用的解决方案。

我将在 Apache SolR 中使用 Tika。

Answer 1

像下面一样，您可以使用 ToXMLContentHandler 提取 xml，然后转换为 json

更多示例here

public String parseBodyToHTML(InputStream stream) throws IOException, SAXException, TikaException {
    ContentHandler handler = new BodyContentHandler(
            new ToXMLContentHandler());

    AutoDetectParser parser = new AutoDetectParser();
    Metadata metadata = new Metadata();
    parser.parse(stream, handler, metadata);
    return handler.toString();
}

另一种选择是为自己编写一个 JsonHandler ContentHandler

如何在 apache tika 中将 word 文档转换为 Json

How to convert a word document into Json in apache tika

solr

solrj

apache-tika