使用 Apache Tika 进行进度报告？

Question

我正在使用带有 Java 的 Apache Tika 从 PDF 和 Zip 文件中提取文本。现在在处理大文件时，我想向我的应用程序添加进度报告。为此，我需要估计提取大小来计算完成的百分比（通过将其与写入输出的字节数相匹配）。

我搜索了很多，但在任何地方都找不到与此相关的任何内容。

apache tika 是否提供任何类型的进度报告？有什么解决方法吗？

编辑：我正在使用来自组 org.apache.tika 的 apache tika tika-parsers、tika-server 的 java 库。并通过以下代码直接通过Java调用它们。

AutoDetectParser parser = new AutoDetectParser();
ParseContext context = getParseContext(extractionPolicy, parser);
Metadata metadata = new Metadata();
parser.parse(inputStream, handler, metadata, context);
return metadata;

Answer 1

我走错了路。对于进度报告而不是估计输出字节和提取大小，我计算了输入流上的读取字节。

将AWS SDK或Apache Tika提供的CountingInputStreamclass中的输入字符串包装起来，并将读取的字节与总内容字节进行匹配以获得百分比。

CountingInputStream inputStream;
Long totalContentLength;

private int getProgressPercentage(){
    Long processedBytes = this.inputStream.getByteCount();
    if (0 < totalContentLength && processedBytes <= totalContentLength) {
        int percent = (int) ((processedBytes * 100.0 / totalContentLength));
        LOGGER.info("Processed bytes: {}, Total bytes: {}, Progress: {}%", processedBytes, totalContentLength, percent);
        return percent;
    }
    return 0;
}

使用 Apache Tika 进行进度报告？

Progress reporting with Apache Tika?

java

pdf

zip

filesize

apache-tika