apache-tika

0熱

1答えて

とSolrの中のファイルのインデックスを作成する際に、私はこのように私data_config.xmlを設定した： <entity name="bop_anexo" processor="SqlEntityProcessor" query="SELECT ID_BOP_ANEXO, ID_BOP_REFERENCIA, NM_ANEXO,

0熱

1答えて

エラー未定義のフィールド：Solrの

の「stream_size」私はSolrの6.3のデータベース列を参照するが、それは動作しないと、このエラーは私に表示されるフィールドに、/更新/エキスを使用しよう： Status: {"data":{"responseHeader":{"status":400,"QTime":8},"error":{"metadata":["error-class","org.apache.solr.commo

0熱

1答えて

ODFと古い（1997-2003）MS Word文書のApache Tika解析を変更しますか？

私は、大規模なファイルのLuceneインデックス作成を行うアプリケーションを開発しています（複数のorg.apache.lucene.document.Documentsにそれらをさまざまな形式で分割します）。最初のアプローチでは、少なくとも「Luceneドキュメント」は1つの「段落」から構成されています。一般的に、Apache Tikaはこれにはあまり意味がありません。単純にドキュメントを投げ

1熱

1答えて

Apache Tikaでtext/PDFから特殊文字を削除する

Apache Tikaでテキストを抽出するためにPDFファイルを解析しています。 //Create a body content handler BodyContentHandler handler = new BodyContentHandler(); //Metadata Metadata metadata = new Metadata(); //Input file path

0熱

1答えて

Tikaパーサー/ Javaを使用してPDFがスキャンされた文書であるかどうかを検出する方法

pdfファイルからテキストを抽出しようとしています。しかし、いくつかのケースでは、pdfファイルはハード文書のスキャンされたコピーです。特定のpdfが論文のコピーまたは通常のpdfファイルをスキャンしているかどうかを確認する方法はありますか。

0熱

1答えて

Apache TikaとApache SolrのJava APIによる統合

私の解析データをインデックスできるように、Apache tikaとApache Solrを統合しようとしています。私はSolrバージョン4.3.1とTikaバージョンを2.11.6として使用しています。私は、次の午前のコードが似ている： import java.io.File; import java.io.FileInputStream; import java.io.IOExcept

0熱

1答えて

Httpclient asp.net core curl equivalent

私はASP.Net HttpClient POSTリクエストに問題があります。実際、SolrでSolrCellを使用してドキュメントのインデックスを作成する必要があります。私はこのようなカール使用しています curl 'http://localhost:8983/solr/my_collection/update/extract?literal.id=doc1&commit=true' -F "

2熱

1答えて

.docまたは.docxファイルを.pdfファイルに変換する方法は？

どのようの.docまたはJavaでのapacheティカを使用して.docxのファイルの.pdf にファイルを変換するには？

0熱

1答えて

Java/Apache Tika：URLからファイルの最終変更/作成属性を取得する方法

Javaを使用して、HTTPサーバー上のファイルの最終変更時刻と作成時刻を取得します。ファイルは特定のURLにあります。 URLConnectionとHttpURLConnectionを使用するメソッドは、HTTPヘッダーからLast-Modified属性を生成しますが、これはファイルの実際の作成日ではありません。私はこれを読んでいます。Apache Tikaは仕事のためのライブラリです。しかし

0熱

1答えて

Apache SolrはスキャンされたPDFをインデックスに登録しません

スキャンしたPDFファイルをインデックスします。私はインストール済みですSolr 6.3.0,tesseract 3.04,CentOS 6でleptonica 1.74documentationに従ってsolrconfigを構成しました。私はpng、jpgのためのtesseractとsolrをテストしました。しかし、私がスキャンしたPDFファイルのインデックスを作成しようとすると、Solrはス