将元数据存储到Jackrabbit存储库中

Question

任何人都可以向我解释,如何继续下面的场景？

1. 接收文件(MS docs,ODS,PDF)

2. 通过使用jackrabbit-content-extractors的Apache Tika +内容提取进行公共核心元数据提取

3. 使用Jackrabbit将文档(内容)与元数据一起存储到存储库中？

4. 检索文档+元数据

我对第3点和第4点感兴趣...

详细信息:应用程序以交互方式处理文档(某些分析 - 语言检测,字数统计等等+收集尽可能多的详细信息 - 都柏林核心+解析内容/事件处理),以便将处理结果返回给用户,然后提取的内容和元数据(提取的和自定义的用户元数据)存储到JCR存储库中

感谢任何帮助,谢谢

Answer 1

对于JCR 2.0,上传文件与JCR 1.0基本相同.但是,JCR 2.0添加了一些有用的额外内置属性定义.

"nt:file"节点类型旨在表示文件,并在JCR 2.0中具有两个内置属性定义(两者都是在创建节点时由存储库自动创建的):

• jcr:created(DATE)
• jcr:createdBy(STRING)

并定义一个名为"jcr:content"的子项.该"jcr:content"节点可以是任何节点类型,但一般而言,与该内容本身有关的所有信息都存储在该子节点上.事实上的标准是使用"nt:resource"节点类型,它定义了以下属性:

• jcr:数据(BINARY)必填
• jcr:lastModified(DATE)自动处理
• jcr:lastModifiedBy(STRING)自动处理
• jcr:mimeType(STRING)受保护？
• jcr:编码(STRING)受保护？

请注意,在JCR 2.0中添加了"jcr:mimeType"和"jcr:encoding".

特别是,"jcr:mimeType"属性的目的是完全按照您的要求执行 - 捕获内容的"类型".但是,"jcr:mimeType"和"jcr:encoding"属性定义可以(通过JCR实现)定义为受保护(意味着JCR实现自动设置它们) - 如果是这种情况,则不允许手动设置这些属性.我相信Jackrabbit和ModeShape不会将这些视为受保护.

以下是一些代码,演示了如何使用这些内置节点类型将文件上载到JCR 2.0存储库:

// Get an input stream for the file ...
File file = ...
InputStream stream = new BufferedInputStream(new FileInputStream(file));

Node folder = session.getNode("/absolute/path/to/folder/node");
Node file = folder.addNode("Article.pdf","nt:file");
Node content = file.addNode("jcr:content","nt:resource");
Binary binary = session.getValueFactory().createBinary(stream);
content.setProperty("jcr:data",binary);

如果JCR实现不将"jcr:mimeType"属性视为受保护(即Jackrabbit和ModeShape),则必须手动设置此属性:

content.setProperty("jcr:mimeType","application/pdf");

元数据可以非常容易地存储在"nt:file"和"jcr:content"节点上,但是开箱即用的"nt:file"和"nt:resource"节点类型不允许额外的属性.因此,在添加其他属性之前,首先需要添加一个mixin(或多个mixins),它们具有您要存储的属性类型的属性定义.你甚至可以定义一个允许任何属性的mixin.这是一个定义这样一个mixin的CND文件:

<custom = 'http://example.com/mydomain'>
[custom:extensible] mixin
- * (undefined) multiple 
- * (undefined) 

注册此节点类型定义后,您可以在节点上使用它:

content.addMixin("custom:extensible");
content.setProperty("anyProp","some value");
content.setProperty("custom:otherProp","some other value");

您还可以定义和使用允许任何Dublin Core元素的mixin :

<dc = 'http://purl.org/dc/elements/1.1/'>
[dc:metadata] mixin
- dc:contributor (STRING)
- dc:coverage (STRING)
- dc:creator (STRING)
- dc:date (DATE)
- dc:description (STRING)
- dc:format (STRING)
- dc:identifier (STRING)
- dc:language (STRING)
- dc:publisher (STRING)
- dc:relation (STRING)
- dc:right (STRING)
- dc:source (STRING)
- dc:subject (STRING)
- dc:title (STRING)
- dc:type (STRING)

所有这些属性都是可选的,并且此mixin不允许任何名称或类型的属性.我还没有真正解决这个'dc:metadata'的问题,其中一些已经用内置属性表示(例如,"jcr:createBy","jcr:lastModifiedBy","jcr:created" ,"jcr:lastModified","jcr:mimeType"),其中一些可能与内容更相关,而另一些则与文件更相关.

您当然可以根据需要使用继承来定义更适合您的元数据需求的其他mixin.但是要小心使用mixins继承 - 因为JCR允许节点有多个mixin,所以通常最好将mixin设计为严格范围和面向方面(例如,"ex:taggable","ex:describeable"等)然后根据需要简单地将适当的mixins应用于节点.

(甚至可能更复杂,定义一个mixin,允许更多的子节点在"nt:file"节点下,并在那里存储一些元数据.)

Mixins非常棒,为您的JCR内容提供了极大的灵活性和强大功能.

哦,当你创建了你想要的所有节点时,一定要保存会话:

session.save();