Apache Tika:通用的内容分析工具

• Apache Tika
• 作用：可以检测和获取文件的文本内容和元数据。支持文件类型众多（PPT, XLS, and PDF，txt、doc等等），对于图片、视频只能获取元数据信息。
• 使用场景：在搜索引擎、内容分析、翻译方面用的很多。比如lucene

参考文档： Apache Tika:通用的内容分析工具
官方教程：Getting Started with Apache Tika