如何在apache tika中将word文档转换为Json

Question

我对大数据和Tika很新。我只想知道有没有办法将word文档（.doc）转换为JSON格式。我听说使用java的morphline需要编码来执行此操作，但我不知道Java，有没有可用的解决方案。

我将在Apache SolR中使用Tika。

Answer 1

如下所示，您可以使用ToXMLContentHandler提取xml，然后转换为json

更多示例here

public String parseBodyToHTML(InputStream stream) throws IOException, SAXException, TikaException {
    ContentHandler handler = new BodyContentHandler(
            new ToXMLContentHandler());

    AutoDetectParser parser = new AutoDetectParser();
    Metadata metadata = new Metadata();
    parser.parse(stream, handler, metadata);
    return handler.toString();
}

另一种选择是为自己编写一个JsonHandler ContentHandler