lucene中好用的两个工具luke和Tika

最新推荐文章于 2019-06-13 12:02:59 发布

原创最新推荐文章于 2019-06-13 12:02:59 发布 · 497 阅读

0 ·

CC 4.0 BY-SA版权

Lucene 专栏收录该内容

14 篇文章

订阅专栏

本文介绍如何使用Apache Tika从多种格式的文档中抽取数据，并结合Lucene实现文档内容的索引与检索。通过示例代码展示了Tika如何解析Word文档并获取其内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Luke是一个用于Lucene搜索引擎的，方便开发和诊断的第三方工具，它可以访问现有Lucene的索引，并允许您显示和修改。

Apache Tika 可以利用现有的类库，从不同的格式文档中读取数据。
利用Tika和Lucene的集成可以方便的对文档进行索引。
利用tika解析文档的例子
这里使用的是tika-1.2.jar

 package test; 
 
import java.io.File; 
import java.io.FileInputStream; 
import java.io.FileNotFoundException; 
import java.io.IOException; 
import java.io.InputStream; 
 
import org.apache.tika.exception.TikaException; 
import org.apache.tika.metadata.Metadata; 
import org.apache.tika.parser.AutoDetectParser; 
import org.apache.tika.parser.ParseContext; 
import org.apache.tika.parser.Parser; 
import org.apache.tika.sax.BodyContentHandler; 
import org.apache.tika.sax.ContentHandlerDecorator; 
import org.xml.sax.ContentHandler; 
import org.xml.sax.SAXException; 
 
public class TikaTest { 
    public static void main(String[] args) { 
        String classPath = TikaTest.class.getResource("/").getPath(); 
        classPath += "doc/test.doc"; 
        System.out.println(classPath); 
        File f = new File(classPath); 
        Parser parser = new AutoDetectParser(); 
        InputStream input = null; 
        try { 
            input = new FileInputStream(f); 
            ContentHandler handler = new BodyContentHandler(); 
            ParseContext context = new ParseContext(); 
            context.set(Parser.class, parser); 
            Metadata data = new Metadata(); 
            parser.parse(input, handler, data, context); 
            System.out.println(handler.toString()); 
        } catch (FileNotFoundException e) { 
            // TODO Auto-generated catch block 
            e.printStackTrace(); 
        } catch (Exception e) { 
            // TODO Auto-generated catch block 
            e.printStackTrace(); 
        } finally{ 
            if(input!=null){ 
                try { 
                    input.close(); 
                } catch (IOException e) { 
                    // TODO Auto-generated catch block 
                    e.printStackTrace(); 
                } 
            } 
        } 
         
    } 
}