Apache Tika的C/C++替代品

Question

我正在寻找基于Java的Apache Tika框架的C/C++替代方案.具体来说,我在一个框架下搜索文件元数据和结构化文本提取.经过一些在线搜索和浏览,我最接近的是GNU libextractor和一堆单独的文件过滤器,解析文档以提取文本数据(pdftoext,xls2csv ..etc)

任何人都可以推荐一个与Apache的Tika相媲美的好库吗？

谢谢

Answer 1

Tika 有一个网络服务器模式，所以你总是可以使用它启动 Tika，然后从你的 C++ 代码向它发送请求？

或者，Tika 有 CLI 模式，因此您可以每次启动一个新的 Tika 进程并从管道读取数据。