为什么我的Tika元数据对象在使用ForkParser时未被填充?
问题描述:
ForkParser
是一个新的Tika语法分析器,在Tika 0.9版中引入,位于org.apache.tika.fork
。新的解析器派生出一个新的jvm进程来分析传递的文件流。我想这可能是一个很好的方法来限制我愿意投入Tika的元数据提取过程的内存量。但是,Metadata
对象没有像使用AutoDetectParser
时那样使用适当的元数据属性填充。测试显示BodyContentHandler
对象不是null
。为什么我的Tika元数据对象在使用ForkParser时未被填充?
为什么Metadata
对象没有被填充任何东西(手动添加的RESOURCE_NAME_KEY
除外)?
public static Metadata getMetadata(File f) {
Metadata metadata = new Metadata();
try {
FileInputStream fis = new FileInputStream(f);
BodyContentHandler contentHandler = new BodyContentHandler(-1);
ParseContext context = new ParseContext();
ForkParser parser = new ForkParser();
parser.setJavaCommand("/usr/local/java6/bin/java -Xmx64m");
metadata.set(Metadata.RESOURCE_NAME_KEY, f.getName());
parser.parse(fis, contentHandler, metadata, context);
fis.close();
String contentType = metadata.get(Metadata.CONTENT_TYPE);
logger.error("contentHandler: " + contentHandler.toString());
logger.error("metadata: " + metadata.toString());
return metadata;
} catch (Throwable e) {
logger.error("Exception while analyzing file\n" +
"CAUTION: metadata may still have useful content in it!\n" +
"Exception: " + e, e);
return metadata;
}
}
答
的ForkParser类提卡1.0可惜不支持,因为现在元数据提取所述通信信道向两岔解析器过程仅支持回传SAX事件而不是元数据条目。我建议你提交一个TIKA改进问题来解决这个问题。
您可能需要考虑的一种解决方法是从叉形分析器返回的XHTML文档的<head>
部分的<meta>
标签中获取提取的元数据。这些应该可用并且包含大多数通常在Metadata对象中返回的元数据条目。
谢谢Jukka,我提起了你提到的Tika改进问题。我将研究解析由解析方法产生的XHTML文档,但我仍然需要弄清楚如何做到这一点。 XHTML文档从哪里返回?我看到的是,解析方法是一个无效方法,并不会返回任何内容。它是在内容处理程序中还是在传递给解析方法的其他对象之一中? – anchovie