TIKA-元数据提取 - 芒果文档

📌 相关文章

📜 TIKA-元数据提取

📅 最后修改于: 2020-11-10 04:28:49 🧑 作者: Mango

除内容外，Tika还从文件中提取元数据。元数据不过是文件随附的其他信息。如果考虑音频文件，则艺术家名称，专辑名称，标题位于元数据之下。

XMP标准

可扩展元数据平台(XMP)是用于处理和存储与文件内容有关的信息的标准。它是由Adobe Systems Inc.创建的。 XMP提供了用于定义，创建和处理元数据的标准。您可以将此标准嵌入几种文件格式，例如PDF ， JPEG ， JPEG ， GIF ， jpg ， HTML等。

物业类别

Tika使用Property类来遵循XMP属性定义。它提供了PropertyType和ValueType枚举来捕获元数据的名称和值。

元数据类

这个类实现多种接口，如ClimateForcast ，CativeCommons，地理，TIFF等提供各种元数据模型的支持。另外，此类提供了多种方法来从文件中提取内容。

元数据名称

我们可以使用names()方法从文件的元数据对象中提取文件的所有元数据名称的列表。它以字符串数组形式返回所有名称。使用元数据的名称，我们可以使用get()方法获取值。它采用元数据名称，并返回与其关联的值。

String[] metadaNames = metadata.names();

String value = metadata.get(name);

使用解析方法提取元数据

每当我们使用parse()解析文件时，我们都会传递一个空的元数据对象作为参数之一。此方法提取给定文件的元数据(如果该文件包含任何元数据)，并将其放置在元数据对象中。因此，在使用parse()解析文件之后，我们可以从该对象中提取元数据。

Parser parser = new AutoDetectParser();
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();   //empty metadata object 
FileInputStream inputstream = new FileInputStream(file);
ParseContext context = new ParseContext();
parser.parse(inputstream, handler, metadata, context);

// now this metadata object contains the extracted metadata of the given file.
metadata.metadata.names();

下面给出的是从文本文件中提取元数据的完整程序。

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;

import org.xml.sax.SAXException;

public class GetMetadata {
    
   public static void main(final String[] args) throws IOException, TikaException {
    
      //Assume that boy.jpg is in your current directory
      File file = new File("boy.jpg");

      //Parser method parameters
      Parser parser = new AutoDetectParser();
      BodyContentHandler handler = new BodyContentHandler();
      Metadata metadata = new Metadata();
      FileInputStream inputstream = new FileInputStream(file);
      ParseContext context = new ParseContext();
      
      parser.parse(inputstream, handler, metadata, context);
      System.out.println(handler.toString());

      //getting the list of all meta data elements 
      String[] metadataNames = metadata.names();

      for(String name : metadataNames) {                
         System.out.println(name + ": " + metadata.get(name));
      }
   }
}

将以上代码另存为GetMetadata.java，并使用以下命令从命令提示符运行：

javac  GetMetadata .java
java  GetMetadata

下面给出的是boy.jpg的快照

jpg

如果执行上述程序，它将为您提供以下输出-

X-Parsed-By: org.apache.tika.parser.DefaultParser
Resolution Units: inch
Compression Type: Baseline
Data Precision: 8 bits
Number of Components: 3
tiff:ImageLength: 3000
Component 2: Cb component: Quantization table 1, Sampling factors 1 horiz/1 vert
Component 1: Y component: Quantization table 0, Sampling factors 2 horiz/2 vert
Image Height: 3000 pixels
X Resolution: 300 dots
Original Transmission Reference:
   53616c7465645f5f2368da84ca932841b336ac1a49edb1a93fae938b8db2cb3ec9cc4dc28d7383f1
Image Width: 4000 pixels
IPTC-NAA record: 92 bytes binary data
Component 3: Cr component: Quantization table 1, Sampling factors 1 horiz/1 vert
tiff:BitsPerSample: 8
Application Record Version: 4
tiff:ImageWidth: 4000
Content-Type: image/jpeg
Y Resolution: 300 dots

我们还可以获取所需的元数据值。

添加新的元数据值

我们可以使用元数据类的add()方法添加新的元数据值。下面给出的是此方法的语法。在这里，我们添加作者姓名。

metadata.add(“author”,”Tutorials point”);

元数据类具有预定的性质，包括从像类继承的属性ClimateForcast ，CativeCommons，地理等，以支持各种数据模型。下面显示的是从Tika实施的TIFF接口继承的SOFTWARE数据类型的用法，以遵循TIFF图像格式的XMP元数据标准。

metadata.add(Metadata.SOFTWARE,"ms paint");

以下给出的完整程序演示了如何将元数据值添加到给定文件。这里，元数据元素的列表显示在输出中，以便您在添加新值之后可以观察列表中的更改。

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.Arrays;

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;

import org.xml.sax.SAXException;

public class AddMetadata {

   public static void main(final String[] args) throws IOException, SAXException, TikaException {

      //create a file object and assume sample.txt is in your current directory
      File file = new File("Example.txt");

      //Parser method parameters
      Parser parser = new AutoDetectParser();
      BodyContentHandler handler = new BodyContentHandler();
      Metadata metadata = new Metadata();
      FileInputStream inputstream = new FileInputStream(file);
      ParseContext context = new ParseContext();

      //parsing the document
      parser.parse(inputstream, handler, metadata, context);

      //list of meta data elements before adding new elements
      System.out.println( " metadata elements :"  +Arrays.toString(metadata.names()));

      //adding new meta data name value pair
      metadata.add("Author","Tutorials Point");
      System.out.println(" metadata name value pair is successfully added");
      
      //printing all the meta data elements after adding new elements
      System.out.println("Here is the list of all the metadata 
         elements after adding new elements");
      System.out.println( Arrays.toString(metadata.names()));
   }
}

将上面的代码另存为AddMetadata.java类，并在命令提示符下运行它-

javac  AddMetadata .java 
java  AddMetadata

下面给出的是Example.txt的内容

Hi students welcome to tutorialspoint

如果执行上述程序，它将为您提供以下输出-

metadata elements of the given file :
[Content-Encoding, Content-Type] 
enter the number of metadata name value pairs to be added 1
enter metadata1name: 
Author enter metadata1value: 
Tutorials point metadata name value pair is successfully added
Here is the list of all the metadata elements  after adding new elements
[Content-Encoding, Author, Content-Type]

设置现有元数据元素的值

您可以使用set()方法将值设置为现有的元数据元素。使用set()方法设置date属性的语法如下-

metadata.set(Metadata.DATE, new Date());

您还可以使用set()方法为属性设置多个值。使用set()方法为Author属性设置多个值的语法如下-

metadata.set(Metadata.AUTHOR, "ram ,raheem ,robin ");

下面给出的是演示set()方法的完整程序。

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;

import java.util.Date;

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;

import org.xml.sax.SAXException;

public class SetMetadata {

   public static void main(final String[] args) throws IOException,SAXException, TikaException {
   
      //Create a file object and assume example.txt is in your current directory
      File file = new File("example.txt");
      
      //parameters of parse() method
      Parser parser = new AutoDetectParser();
      BodyContentHandler handler = new BodyContentHandler();
      Metadata metadata = new Metadata();
      FileInputStream inputstream = new FileInputStream(file);
      ParseContext context = new ParseContext();
      
      //Parsing the given file
      parser.parse(inputstream, handler, metadata, context);
     
      //list of meta data elements elements
      System.out.println( " metadata elements and values of the given file :");
      String[] metadataNamesb4 = metadata.names();
      
      for(String name : metadataNamesb4) {
          System.out.println(name + ": " + metadata.get(name));
      }
      
      //setting date meta data 
      metadata.set(Metadata.DATE, new Date());
      
      //setting multiple values to author property
      metadata.set(Metadata.AUTHOR, "ram ,raheem ,robin ");
      
      //printing all the meta data elements with new elements
      System.out.println("List of all the metadata elements  after adding new elements ");
      String[] metadataNamesafter = metadata.names();
      
      for(String name : metadataNamesafter) {
         System.out.println(name + ": " + metadata.get(name));
      }
   }
}

将以上代码另存为SetMetadata.java并从命令提示符处运行-

javac  SetMetadata.java 
java  SetMetadata

下面是example.txt的内容。

Hi students welcome to tutorialspoint

如果执行上述程序，它将提供以下输出。在输出中，您可以观察到新添加的元数据元素。

metadata elements and values of the given file :
Content-Encoding: ISO-8859-1
Content-Type: text/plain; charset = ISO-8859-1
Here is the list of all the metadata elements  after adding new elements 
date: 2014-09-24T07:01:32Z
Content-Encoding: ISO-8859-1
Author: ram, raheem, robin 
Content-Type: text/plain; charset = ISO-8859-1