我想编写一个使用Apache Tika下载网页文本内容的Java网络爬虫程序，但我是使用Apache项目的新手，我还没有找到明确的来源，阐明如何将Tika集成到程序中，究竟。从我从互联网上收集到的内容，我已经在命令行中使用Maven构建了Tika，但是我不知道从哪里开始在我的Java程序中使用像Parser等的Tika类（？）。我正在使用Eclipse，如果这有所不同 - 我还为Eclipse安装了Maven插件，但我不确定如何处理它......我需要一个“导入...”行吗？请原谅我的“初学者”问题，但我们将不胜感激为您准备Tika的分步指南。
答案 0 :(得分：5)
首先，您需要阅读Apache Tika getting started guide，其中介绍了如何将Tika包含在您的项目中。 （这假设您有一些基本知识，包括将第三方罐子包含在您自己的项目中，如果不是，您需要阅读一些关于此的教程）
在项目中开始使用Tika的最简单方法是via the Tika Facade class。这提供了一个单独的类，您可以使用它来检测，解析为纯文本字符串，并通过阅读器解析为xhtml，所有这些都来自各种来源。所有基础知识都可以在那里找到。
要获得更高级的使用效果，您需要关注Parser API page和Content Detection page上提供的信息。您也可以关注Tika Examples on parsing with the AutoDetectParser，这应该做您可能想要的事情，否则browse the annotated list of Tika examples with explanations可以了解如何开始！