apache-tika

5El calor

2Respuesta

Indexando archivos PDF con Symfony usando Lucene

Soy un desarrollador de Symfony y mi servidor web es Linux. Ya uso el plugin sfLucene. ¿Cuál es la forma más simple de indexar archivos PDF para búsqueda en un servidor PHP Linux? XPDF, instalado like

full-text-search lucene symfony1 apache-tika 2010-02-19

---

7El calor

2Respuesta

¿Cómo puedo usar el analizador HTML con Apache Tika en Java para extraer todas las etiquetas HTML?

Descargo las bibliotecas tika-core y tika-parser, pero no pude encontrar los códigos de ejemplo para analizar los documentos HTML en la cadena. Tengo que deshacerme de todas las etiquetas html del ori

java html apache apache-tika 2011-03-25

---

5El calor

1Respuesta

Cómo impulsar un documento SOLR al indexar con/solr/update

Para indexar mi sitio web, tengo un script de Ruby que a su vez genera un script de shell que carga todos los archivos en mi raíz del documento en Solr. El script tiene muchas líneas que se ven así: c

solr apache-tika solr-cell 2011-02-09

---

5El calor

1Respuesta

Indexando PDF con números de página con Solr

Estoy indexando archivos PDF con Solr usando ExtractingRequestHandler. Me gustaría mostrar el número de página junto con las visitas en un documento, p. "término foo se encontró en bar.pdf en las pági

pdf solr full-text-search apache-tika solr-cell 2010-11-04

---

8El calor

2Respuesta

¿Cómo obtener la extensión de archivo del tipo de contenido?

Estoy usando Apache Tika, y tengo archivos (sin extensión) del tipo de contenido particular que necesitan ser renombrados para tener una extensión que refleje el tipo de contenido. ¿Alguna idea de si

java content-type apache-tika 2011-04-04

---

13El calor

1Respuesta

Apache Tika y límite de caracteres al analizar documentos

¿Podría alguien ayudarme a solucionarlo? Se puede hacer como esto Tika tika = new Tika(); tika.setMaxStringLength(10*1024*1024); Pero si usted no utiliza Tika directamente como aquí: ContentHan

java text-processing apache-tika 2011-05-26

---

6El calor

1Respuesta

tika

Estoy tratando de índice mediante solicitud basada rizo la solicitud es curl "http://localhost:8080/solr1/update/extract?literal.id=who.pdf&uprefix=attr_&fmap.content=attr_content&commit=true" -F "[em

solr full-text-search apache-tika solr-cell 2011-05-31

---

7El calor

1Respuesta

Apache Tika y metadatos del documento

Estoy haciendo un procesamiento simple de una variedad de documentos (ODS, MS office, pdf) usando Apache Tika. Tengo que obtener al menos: word count, author, title, timestamps, language etc. que no

java apache metadata documents apache-tika 2011-02-26

---

5El calor

2Respuesta

Cómo configurar Apache Tika con Apache Solr 1.4.1

Quiero indexar una gran cantidad de documentos pdf. He encontrado una referencia que muestra que podría hacerse usando Apache Tika, pero desafortunadamente no puedo encontrar ninguna referencia que de

solr solrnet apache-tika solr-cell 2010-10-05

---