Apache-Tika解析pdf文档

public DocumentContent readPath(InputStream stream,Path path) 

{

//Tika默认是10*1024*1024，这里防止文件过大导致Tika报错

        BodyContentHandler handler = new BodyContentHandler(100*1024*1024);

        Metadata metadata = new Metadata();

        ParseContext pcontext = new ParseContext();

       // 解析PDF文档时应由超类AbstractParser的派生类PDFParser实现

        PDFParser pdfparser = new PDFParser();

        try {

pdfparser.parse(stream, handler, metadata, pcontext);

} catch (Exception e) {

e.printStackTrace();

} 

        String[] metadataNames = metadata.names();

        DocumentContent documentContent = new DocumentContent();

        for (String name : metadataNames) {

           if(name.trim().equals("Author")){

            documentContent.setAuthor(metadata.get(name));

           }

        }

        documentContent.setText(handler.toString());

        documentContent.setFilePath(path.toString());

        return documentContent;

}

相关链接