我用伟大的Apache Tika库解析文件。我想用自己的解析器提取元标记，然后仅将内容从<body> - 标记作为HTML获取，并将其存储在数据库中。
我现在已经尝试了几个小时/天:-(，但找不到解决方案：
ToHTMLContentHandler - 标记之后使用<body> 时，我会在没有<html> - 标记的情况下使用无效的命名空间获得例外。BodyContentHandler只返回没有HTML标记的正文。tika-app似乎使用TransformerHandler来获取HTML（之前我从未听说过这种处理程序。）我可以使用它来获取<body>中的HTML -tag并自己解析元标记？这比使用ToHTMLContentHandler 答案 0 :(得分：2)