Apache Tika，无法检索＆＃39; subject＆＃39;元数据值

Question

我正在使用java，我正在尝试使用apache tika提取一些元数据，但我无法超出“主题”元数据的预期值。该文件是jpg图像。这是我的代码：

首先我正在解析这样的文件：

        inputStream = new FileInputStream(fileToExtract);   
        Parser parser = new AutoDetectParser();  
        ContentHandler contentHandler = new BodyContentHandler();  
        Metadata metadata = new Metadata(); 
        parser.parse(inputStream, contentHandler, metadata, new ParseContext()); 

然后我试图打印这些：

    metadata.get(Metadata.AUTHOR)                           -->  "MyAuthor"
    metadata.get(TikaCoreProperties.CREATOR)                -->  "MyCreator"
    metadata.get(TikaCoreProperties.TITLE)                  -->   "MyTitle"
    metadata.get(Metadata.SUBJECT)                          -->   **null**
    metadata.get(TikaCoreProperties.KEYWORDS)               -->   **null**

所以，我得到了正确的所有值，我得到了主题的空值。元数据是我手动添加的（右键单击＆gt;属性，Windows操作系统）。

我做错了吗？

---

PS：请注意，“TikaCoreProperties.KEYWORDS”是根据apache tika文档检索主题的另一种方法。

Answer 1

Apache Tika尝试在所有文件格式中返回一致的元数据。如果一种格式称为Author，另一种Creator，另一种Created By和另一种Creator[0]，Tika将这些格式全部映射到一致的密钥上并不重要。通常，这些密钥基于众所周知的外部标准，例如Dublin Core

如果要查看Tika应用于Microsoft Office文档的映射，您需要查看SummaryExtractor。如果您想知道Tika可以从给定文件中提取的所有元数据键和值，请使用tika-app cli工具和--metadata，或致电names() {{1}} 3}}获取Tika找到的元数据键列表。