Java 为什么在使用ForkParser时没有填充我的Tika元数据对象？

ForkParser

是Tika版本0.9中引入的一种新的Tika解析器，位于

org.apache.Tika.fork

。新的解析器派生出一个新的jvm进程来分析传递的文件流。我认为这可能是一个很好的方法来限制我愿意为Tika的元数据提取过程投入多少内存。但是，

Metadata

对象没有像使用

AutoDetectParser

时那样填充适当的元数据属性。测试表明

BodyContentHandler

对象不是

null

为什么

元数据

对象没有填充任何内容（手动添加的

资源\u名称\u键

除外）

不幸的是，Tika 1.0中的类不支持元数据提取，因为到分叉解析器进程的通信通道目前只支持传回SAX事件，而不支持元数据条目。我建议你提出一个改进问题来解决这个问题

---

您可能想考虑的是从分叉解析器返回的XHTML文档的<代码> <代码>部分中获取从“代码> >代码>标签中提取的元数据。这些应该是可用的，并且包含大多数通常在对象中返回的元数据项。

谢谢Jukka，正如您所提到的，我提交了一个Tika改进问题。我将研究如何查询由parse方法生成的XHTML文档，我仍然需要弄清楚如何做到这一点。XHTML文档从哪里返回？我看到的是parse方法是一个void方法，不返回任何内容。它是在内容处理程序中还是在传递给解析方法的其他对象中？

public static Metadata getMetadata(File f) {
    Metadata metadata = new Metadata();
    try {
        FileInputStream fis = new FileInputStream(f);
        BodyContentHandler contentHandler = new BodyContentHandler(-1);
        ParseContext context = new ParseContext();
        ForkParser parser = new ForkParser();

        parser.setJavaCommand("/usr/local/java6/bin/java -Xmx64m");
        metadata.set(Metadata.RESOURCE_NAME_KEY, f.getName());

        parser.parse(fis, contentHandler, metadata, context);
        fis.close();

        String contentType = metadata.get(Metadata.CONTENT_TYPE);

        logger.error("contentHandler: " + contentHandler.toString());
        logger.error("metadata: " + metadata.toString());

        return metadata;

    } catch (Throwable e) {
        logger.error("Exception while analyzing file\n" +
        "CAUTION: metadata may still have useful content in it!\n" +
        "Exception: " + e, e);

        return metadata;
    }
}