Cra*_*der 4 java apache-tika
Apache Tika的GUI实用程序提供了获取给定文档或URL的主要内容(除了格式文本和结构化文本之外)的选项.我只想知道哪个方法负责提取docs/url的主要内容.这样我就可以在我的程序中加入该方法.另外,他们是否在从HTML页面提取数据时使用任何启发式算法.因为有时在提取的内容中,我无法看到广告.
更新:我发现BoilerPipeContentHandler负责它.
Juk*_*ing 8
Tika GUI中的"主要内容"功能是使用BoilerpipeContentHandler类实现的,该类依赖于samppipe库来进行繁重的工作.
归档时间：
14 年 前
查看次数：
1617 次
最近记录：
11 年，6 月 前