コンテンツの抽出方法。 PSTのファイルを使用してApacheのtika？

Question

apache tikaを使用してファイルを解析する方法 1.2？
ljceneで検索しているときに、本文、添付ファイル、およびすべてのメタデータを取得するにはどうすればよいですか？

for (File file : docs.listFiles()) { 
Metadata metadata = new Metadata(); 
ContentHandler handler = new BodyContentHandler(); 
ParseContext context = new ParseContext(); 
Parser parser = new AutoDetectParser(); 
InputStream stream = new FileInputStream(file); 

try { 
parser.parse(stream, handler, metadata, context); 
} 
catch (TikaException e) { 
e.printStackTrace(); 
} 
catch (SAXException e) { 
e.printStackTrace(); 
} 

Answer 1

あなたが1.2で立ち往生している場合は、アップグレードすることができるしている場合は、あなたが推薦here

を試みるかもしれないが、我々は1.7でRecursiveParserWrapperとして...ちょうど1.12にアップグレードすることを追加します場合できますか、または1〜2週間待つと1.13が出てきます。コマンドライン経由

：

のjava -jarティカ-app.jar -J -t -i input_directory -o OUTPUT_DIRECTORY

またはコードで

：私は自動検出パーサを試してみました

Parser p = new AutoDetectParser(); 
    RecursiveParserWrapper wrapper = new RecursiveParserWrapper(p, 
      new BasicContentHandlerFactory( 
        BasicContentHandlerFactory.HANDLER_TYPE.XML, -1)); 

    try (InputStream is = Files.newInputStream(file)) { 
     wrapper.parse(is, new DefaultHandler(), new Metadata(), context); 
    } 
    int i = 0; 
    for (Metadata metadata : wrapper.getMetadata()) { 
     for (String name : metadata.names()) { 
      for (String value : metadata.getValues(name)) { 
       System.out.println(i + " " + name +": " + value); 
      } 
     } 
     i++; 
    }