java - Apache Tika 和文件访问而不是 Java 输入流

Question

我希望能够创建一个新的 Tika 解析器来从文件中提取元数据。我们已经在使用 Tika，并且元数据提取将始终如一地完成。

我想我遇到了这个问题/Tika 的增强请求:

Allow passing of files or memory buffers to parsers

我有一个控制台 C++ 可执行文件，它接受输入文件的路径，然后输出它找到的元数据，每一行都由名称/值对组成。
C++ 代码依赖于在访问数据时需要文件路径的库。用 Java 重写这个可执行文件是不可能的。我认为将它插入 Tika 会相当容易。但是 Tika 解析器需要使用 Java 并且需要重写的 Tika 解析器方法采用开放的输入流:

无效解析(InputStream 流、ContentHandler 处理程序、Metadata 元数据、ParseContext 上下文)

所以我想我唯一的解决方案是获取输入流并将其写入临时文件，然后处理写入的文件，最后清理文件。我讨厌弄乱临时文件，然后可能不得不担心临时文件的清理，如果出现问题并且它不会被删除。

有没有人知道如何干净利落地处理这样的事情？

Answer 1

有 TikaInputStream这应该有帮助。它处理包装一个文件或一个输入流，并根据解析器的需要在它们之间进行内部转换。它会根据需要为您执行所有临时文件位。

一些 Java 解析器已经在使用它，因为它们需要一个文件而不是输入流。更重要的是，拥有文件的用户可以将其包装为 InputStream 传递给解析器，解析器可以根据需要将其作为文件或 InputStream 读取。

因此，我建议您将 InputStream 转换为 TikaInputStream(如果它已经是一个，则只是一个转换)，然后获取文件并将其传递给您的 C++。