Java Tika 1.1性能改进
我使用的是tika 1.1,我面临的问题是tika从文件中提取内容需要很长时间。 提取1MB的pdf/doc文件需要大约3秒的时间。 有没有办法提高绩效?任何有助于提高性能的调整、配置 我试过tika 1.4,但不幸的是,同样的pdf时间是3.2秒 我正在使用BodyContentHandlerJava Tika 1.1性能改进,java,apache-tika,data-extraction,Java,Apache Tika,Data Extraction,我使用的是tika 1.1,我面临的问题是tika从文件中提取内容需要很长时间。 提取1MB的pdf/doc文件需要大约3秒的时间。 有没有办法提高绩效?任何有助于提高性能的调整、配置 我试过tika 1.4,但不幸的是,同样的pdf时间是3.2秒 我正在使用BodyContentHandler public class TikkaExtractor { public static void main(String[] args) throws Exception { BodyConte
public class TikkaExtractor {
public static void main(String[] args) throws Exception {
BodyContentHandler handler = new BodyContentHandler(10000);
Metadata metadata = new Metadata();
Parser parser = new AutoDetectParser();
InputStream content = TikkaExtractor.class.getResourceAsStream("demo.pdf");
parser.parse(content, handler, metadata, new ParseContext());
ContentHandlerDecorator contentHandlerDecorator = new ContentHandlerDecorator(handler);
String s = contentHandlerDecorator.toString();
content.close();
}
}你怎么称呼蒂卡?你是怎么把这篇文章发出来的?(纯文本、xhtml、自定义sax处理程序等)这在注释中有点难读懂-您是否有可能编辑您的问题以将代码包含在格式良好的代码块中?您的文件是否以任何方式受到保护?文件中有多少页?文件不受保护。它大约有1MB的文件。有人能建议我如何提高内容提取的性能吗?