1 Apache Tika 介紹

Apache Tika 是一個(gè)開源的內(nèi)容檢測(cè)和分析框架，由Apache軟件基金會(huì)開發(fā)和維護(hù)的頂級(jí)項(xiàng)目。它可以從各種格式的文件中提取元數(shù)據(jù)和文本內(nèi)容。Tika非常適合處理全文搜索、內(nèi)容分析、翻譯、內(nèi)容提取等需要大量處理和分析文檔內(nèi)容的任務(wù)。Apache Tika提供了多種使用方式，既可以使用圖形化操作頁(yè)面（tika-app），又可以獨(dú)立部署（tika-server）通過(guò)接口調(diào)用，還可以引入到項(xiàng)目中使用。

1.1 主要功能

Apache Tika的主要功能：

內(nèi)容檢測(cè)：通過(guò)檢查文件內(nèi)容或文件擴(kuò)展名，Tika能夠準(zhǔn)確地判斷文件的媒體類型（MIME類型）。

元數(shù)據(jù)提?。篢ika能夠從各種媒體類型的文件中提取元數(shù)據(jù)，比如標(biāo)題、作者、時(shí)間戳等。

內(nèi)容提?。篢ika能夠從文件中提取出文本、圖片等內(nèi)容。

語(yǔ)言檢測(cè)：Tika可以檢測(cè)文本內(nèi)容的語(yǔ)言。