Apache Tika ちゃんは意外と簡単だった

どんなファイルでも読み取ってくれるApache Tika ちゃん(´・ω・｀)


チカちゃんは優秀なヤツなんだなぁと思いつつ早速挑戦！！



tika-app-1.3.jar　を用意して

File file = new File("foge.xls");

Metadata metadata = new Metadata();
FileInputStream fi = new FileInputStream(file);
StringWriter stringWriter = new StringWriter();

/**
 * 本文抽出
 */
new AutoDetectParser().parse(fi, new BodyContentHandler(stringWriter), metadata, new ParseContext());
String content = stringWriter.toString();

System.out.println(content);

おおぉ(´・ω・｀)

エクセルファイルの中身丸見えになった(*´∀｀*)



いろんなファイルをチカちゃんに口説いてもらったが、

文字コードがANSI、EUCなどの一部文字コードを使ったテキストがエラー(；´Д｀)


こいつら多分ほうｋ(ry



仕方ないからチカちゃんの中身を隅から隅まで観察してわかった＼(^o^)／

File file = new File("foge.xls");

Tika tika = new Tika();
String contents = tika.parseToString(file);

System.out.println(content);

これだけかよ(；´Д｀)



なるほど口は２つあるのか(´・ω・｀)