Результаты поиска по запросу "apache-tika"

2 ответа

Как программно сравнить два PDF-файла на основе визуальных различий? [закрыто]

Мне нужно сравнить и получить все визуальные различия в двух файлах PDF. Я знаю, что есть некоторые вопросы, связанные с этим при переполнении стека, но они не удовлетворяют мою потребность. В настоящее время я использую PDFBox для генерации ...

5 ответов

Читать содержимое из файлов, которые находятся внутри Zip-файла

Я пытаюсь создать простую Java-программу, которая читает и извлекает содержимое из файла (-ов) внутри zip-файла. Zip-файл содержит 3 файла (txt, pdf, docx). ...

4 ответа

Как создать собственную модель с использованием OpenNLP?

ТОП публикаций

4 ответа

Как разобрать HTML с Nutch и индексировать определенный тег для Solr?

5 ответов

Чтение содержимого из файлов, которые находятся внутри Zip-файла

Я пытаюсь создать простую Java-программу, которая читает и извлекает содержимое из файла (-ов) внутри zip-файла. Zip-файл содержит 3 файла (txt, pdf, docx). Мне нужно прочитать содержимое всех этих файлов, и я используюАпач Тикадля этого. Может ...

3 ответа

Как мне индексировать документы в SOLR?

2 ответа

Elasticsearch Parse Exception error при попытке индексирования PDF

Я только начинаю работать сasticsearch. Наше требование состоит в том, что нам необходимо индексировать тысячи файлов PDF, и мне трудно получить только ОДИН ...

1 ответ

Значение ячейки в формате HTML из Excel с использованием Apache POI

Я использую Apache POI, чтобы прочитать документ Excel. По меньшей мере, он может служить моей цели на данный момент. Но одна вещь, в которой я поражаюсь, это извлечение значения ячейки как HTML. У меня есть одна ячейка, в которой пользователь ...

4 ответа

Как создать собственную модель с использованием OpenNLP?

я пытаюсьизвлекать сущностилюбитьИмена, Навыкииз документа с использованием OpenNLP Java API, ноэто не извлечение собственных имен, Я использую модель, доступную наopennlp ссылка на sourceforge [http://opennlp.sourceforge.net/models-1.5/] Вот ...

1 ответ

Невозможно извлечь отсканированный PDF с помощью TesseractOCRConfig Apache Tika

Мой PDF-файл содержит отсканированные изображения, и я хочу извлечь из него текст.Что я пробовал: я пытался с AutoDetectParsers, но без вывода.Я следовал реш...