java Tika解析错误:您正在调用POI中处理OOXML的部分。您需要调用POI的其他部分来处理此数据
我想用Tika解析.doc
文件,但它不起作用
我得到的错误是:
由:org引起。阿帕奇。波伊。openxml4j。例外情况。OLE2NotOfficeXmlFileException:提供的数据似乎是OLE2格式。您正在调用POI中处理OOXML(Office Open XML)文档的部分。您需要调用POI的不同部分来处理此数据(例如HSSF而不是XSSF)
我到底需要换什么
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.microsoft.ooxml.OOXMLParser;
import org.apache.tika.sax.BodyContentHandler;
import org.xml.sax.SAXException;
public class TikaDocx {
public static void main(final String[] args) throws IOException, TikaException, SAXException {
//detecting the file type
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
FileInputStream inputstream = new FileInputStream(new File("C:\\test.doc"));
ParseContext pcontext = new ParseContext();
//OOXml parser
OOXMLParser msofficeparser = new OOXMLParser ();
msofficeparser.parse(inputstream, handler, metadata,pcontext);
System.out.println("Contents of the document:" + handler.toString());
System.out.println("Metadata of the document:");
String[] metadataNames = metadata.names();
for(String name : metadataNames) {
System.out.println(name + ": " + metadata.get(name));
}
}
}
# 1 楼答案
如果您已经知道文件是什么以及该文件类型的最佳解析器是什么,那么只应该调用显式ApacheTika解析器,例如
OOXMLParser
您得到的错误是告诉您正在将一个基于OLE2的
.doc
解析器传递给apachetika解析器,以处理OOXML文件,例如.docx
如果您不知道您的文件类型到底是什么,那么您应该让ApacheTika确定类型并为您选择最好的解析器
为此,请更改当前的显式行
自动检测
那就让蒂卡为你做艰苦的工作吧