小编Pat*_*Pat的帖子

我正在尝试使用 Tika 的 AutoDetectParser 来提取文件的内容。我最初认为这是一个依赖性问题，但无法理解现在我将所有 tika-app 都包含在我的 jar 中后，这仍然是正确的。

AutoDetect Parser 在此处返回空字符串：

BodyContentHandler handler = new BodyContentHandler();  
AutoDetectParser parser = new AutoDetectParser();
Metadata metadata = new Metadata();
ParseContext context = new ParseContext();
FileInputStream mypdfstream = new FileInputStream(new File("mypdf.pdf"));
parser.parse(mypdfstream,handler,metadata,context);
System.out.println(handler.toString());

更让我困惑的是，使用标准 PDFParser 工作正常......：

BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
ParseContext context = new ParseContext();
FileInputStream mypdfstream = new FileInputStream(new File("mypdf.pdf"));
PDFParser pdfparser = new PDFParser();
pdfparser.parse(mypdfstream,handler,metadata,context);
System.out.println(handler.toString());

我在我的类路径中包含了 tika-app 和 tika-parsers jar，并将它们包含在 ant 创建的 jar 中。 …