从Eclipse运行Tika源代码

Question

我一直在使用Apache Tika从不同的文档格式中提取文本。现在我想让它以不同的方式处理页眉，页脚和文本框。所以我从GitHub下载了Tika的源代码并尝试对其进行更改。

我想从Eclipse运行Apache Tika源代码并通过传递输入文档来调试其执行。我怎样才能做到这一点？主要课程有很多。我从哪里开始？我理解它是一个Maven项目，我是新手。

一旦我做了更改，我怎么能创建新的jar文件？

Answer 1

首先看一下Tika的xhtml输出，也许它会提取页眉/页脚，你可以使用解析器API来处理这些部分。如果是这样的话，请使用API​​作为examples表示将类似SAX的自定义处理程序传递给它。