Question

当我尝试使用org.apache.tika.parser.Parser和DefaultDetector()来检测和解析.doc和.docx文件格式时。但是我从Tika罐子里得到了一些错误（不是例外），并且没有任何有用的堆栈跟踪我放在这里。我可以确认它只发生在.doc和.docx上。 PDF，jpeg，文本很好。有没有人用.doc和.docx文件格式遇到这个问题？你有什么解决方案吗？

我的代码如下：

unzippedBytes = loadUnzippedByteCode(attachment.getContents()); /* This is utility method written using native Java Zip library - returns byte array byte[] */

            /* All the objects below were declared beforehand, but not initialised until now */

            parseContextObj = new ParseContext();
            dObj = new DefaultDetector();
            detectedParser = new AutoDetectParser(dObj);
            context.set(Parser.class, parser);
            OutputStream outputstream = new ByteArrayOutputStream();
            metadata = new Metadata();

            InputStream input = TikaInputStream.get(unzippedBytes, metadata);
            ContentHandler handler = new BodyContentHandler(outputstream);
            detectedParser.parse(input, handler, metadata, parseContextObj); // This is where it is throwing NoSuchMethodError - cannot understand why and also cannot get the stacktrace - using tika 1.10 */ 
            input.close();

上面的代码也是我在其他一些SO问题中找到的，并决定将它用于我的工作。另外，我使用的byte []是我从非常旧的struts 1.0 FormFile接口（getFileData（）返回byte []）接收的东西。我曾经使用扩音器的irex解析器进行解析，但出于多种原因决定使用Tika。 byte []适用于irex，但每当我尝试解析.docx和.doc内容时都会出现问题。

以下是由于隐私原因我屏蔽了某些部分的堆栈跟踪：

2016-01-15 16:21:06,947 [http-apr-80-exec-3] [ERROR] XXXXX.XXXX.XXXXService - java.lang.NoSuchMethodError: org.apache.poi.util.POILogger.log(I[L
java/lang/Object;)V
        at org.apache.poi.openxml4j.opc.PackageRelationshipCollection.parseRelationshipsPart(PackageRelationshipCollection.java:313)
        at org.apache.poi.openxml4j.opc.PackageRelationshipCollection.<init>(PackageRelationshipCollection.java:163)
        at org.apache.poi.openxml4j.opc.PackageRelationshipCollection.<init>(PackageRelationshipCollection.java:131)
        at org.apache.poi.openxml4j.opc.PackagePart.loadRelationships(PackagePart.java:561)
        at org.apache.poi.openxml4j.opc.PackagePart.<init>(PackagePart.java:109)
        at org.apache.poi.openxml4j.opc.PackagePart.<init>(PackagePart.java:80)
        at org.apache.poi.openxml4j.opc.PackagePart.<init>(PackagePart.java:125)
        at org.apache.poi.openxml4j.opc.ZipPackagePart.<init>(ZipPackagePart.java:78)
        at org.apache.poi.openxml4j.opc.ZipPackage.getPartsImpl(ZipPackage.java:245)
        at org.apache.poi.openxml4j.opc.OPCPackage.getParts(OPCPackage.java:684)
        at org.apache.poi.openxml4j.opc.OPCPackage.open(OPCPackage.java:227)
        at org.apache.tika.parser.pkg.ZipContainerDetector.detectOPCBased(ZipContainerDetector.java:208)
        at org.apache.tika.parser.pkg.ZipContainerDetector.detectZipFormat(ZipContainerDetector.java:145)
        at org.apache.tika.parser.pkg.ZipContainerDetector.detect(ZipContainerDetector.java:88)
        at org.apache.tika.detect.CompositeDetector.detect(CompositeDetector.java:77)
        at org.apache.tika.parser.AutoDetectParser.parse(AutoDetectParser.java:112)

我意识到我的路径有POI jar版本2.5.1并且根据maven central repo我是恐龙（似乎）可能是为什么？在为版本3.13和2.60分别为poi工件和xmlbeans放置所有these后，我也遇到了错误（@venkyreddy在该答案中建议）。

更新我尝试与原始作品分开构建一个新项目，并仅在我的类路径中使用tika-app-1.10.jar。我还调查了tika-app-1.10.jar，发现所有POI依赖关系实际上都包括xmlbeans和＆＃39; xml-schema＆＃39;。在我的类路径中仅保留tika-app-1.10.jar后，我收到以下错误（不是异常）：

java.lang.NoClassDefFoundError: org/apache/poi/POIXMLTypeLoader
        at org.openxmlformats.schemas.wordprocessingml.x2006.main.DocumentDocument$Factory.parse(Unknown Source)
        at org.apache.poi.xwpf.usermodel.XWPFDocument.onDocumentRead(XWPFDocument.java:158)
        at org.apache.poi.POIXMLDocument.load(POIXMLDocument.java:167)
        at org.apache.poi.xwpf.usermodel.XWPFDocument.<init>(XWPFDocument.java:119)
        at org.apache.poi.xwpf.extractor.XWPFWordExtractor.<init>(XWPFWordExtractor.java:59)
        at org.apache.poi.extractor.ExtractorFactory.createExtractor(ExtractorFactory.java:204)
        at org.apache.tika.parser.microsoft.ooxml.OOXMLExtractorFactory.parse(OOXMLExtractorFactory.java:86)
        at org.apache.tika.parser.microsoft.ooxml.OOXMLParser.parse(OOXMLParser.java:87)
        at org.apache.tika.parser.CompositeParser.parse(CompositeParser.java:280)
        at org.apache.tika.parser.CompositeParser.parse(CompositeParser.java:280)
        at org.apache.tika.parser.AutoDetectParser.parse(AutoDetectParser.java:120)
        at xxx.xxx.xxx.xxx.xxxxxAttachmentWithTika(xxxService.java:792)

我浏览了这个包，无法找到任何POIXMLTypeLoader类。这是一个已知的问题？有人可以回复我吗？

Answer 1

确保没有过时的POI罐，并使用与您尝试使用的Tika版本相匹配的POI版本。

在POI 3.13发布后，类POIXMLTypeLoader被添加到POI中，因此您似乎在某种程度上混合了较新的版本。只发布POI 3.14-beta1了解这个课程！确保不以某种方式包含该版本。

使用apache tika Parser对象解析.doc和.docx文件格式的问题

1 个答案: