Comment puis-je utiliser Apache Tika pour extraire et traiter le contenu de différents types de fichiers dans une archive ZIP ?

Lecture du contenu de fichiers dans une archive Zip à l'aide d'Apache Tika

Problème :
Extraire et traiter le contenu de plusieurs types de fichiers ( .txt, .pdf, .docx) dans une archive ZIP à l'aide d'Apache Tika.

Solution :

1. Créer un objet ZipFile :
Instancier un objet ZipFile pour représenter l'archive ZIP et obtenir une énumération d'objets ZipEntry :

<code class="java">ZipFile zipFile = new ZipFile("C:/test.zip");
Enumeration<? extends ZipEntry> entries = zipFile.entries();</code>

2. Parcourez les entrées :
Parcourez chaque ZipEntry dans l'énumération :

<code class="java">while (entries.hasMoreElements()) {
    ZipEntry entry = entries.nextElement();
}</code>

3. Obtenir le contenu du fichier :
Pour chaque ZipEntry, obtenez un InputStream vers son contenu :

<code class="java">InputStream stream = zipFile.getInputStream(entry);</code>

4. Analyser le contenu du fichier à l'aide d'Apache Tika :
Puisque vous utilisez Apache Tika, créez une nouvelle instance Tika et utilisez ses méthodes d'analyse pour extraire le contenu du fichier :

<code class="java">Tika tika = new Tika();
String content = tika.parseToString(stream);</code>

5 . Traiter le contenu extrait :

<code class="java">// Process your extracted content here...</code>

Remarques :

• En utilisant cette approche, vous pouvez lire le contenu de tous les types de fichiers pris en charge par Apache Tika .
• N'oubliez pas de gérer les exceptions pouvant survenir lors du traitement des fichiers.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!