java - 蒂卡信息提取

Question

我可以知道如何使用 Tika 提取网页中表格形式的数字等信息吗？ Tika 有用于此目的的解析器吗？

谢谢

Answer 1

你可以在 tika 中提取网页。为此，您可以使用 apache-tika HTMLParser。您将获得所需的一切here

您还可以使用AutoDetectParser，它将自动检测内容类型并提取内容。 AutoDetectParser 可以检测任何类型的文件/url 并应用提取。

May I know how I can use Tika to extract information such as numbers in a tabular form in a web page?

--> tika 提取的内容就像原始文本。我认为您不会以表格形式得到它。