ciao a tutti.
avrei bisogno di poter leggere file word e pdf in modo da indicizzarne il contenuto, ma non ho trovato nessuna classe/API che faccia al caso mio.
tutto ciò che ho trovato mi permette solo di lanciare il file con il proprio reader ma non di leggerne il contenuto.
qualche consiglio?
grazie
Per pdf cè la libreria itext che permette di fare quasi tutto con i pdf.Originariamente inviato da ranza!!!123
ciao a tutti.
avrei bisogno di poter leggere file word e pdf in modo da indicizzarne il contenuto, ma non ho trovato nessuna classe/API che faccia al caso mio.
tutto ciò che ho trovato mi permette solo di lanciare il file con il proprio reader ma non di leggerne il contenuto.
qualche consiglio?
grazie
Mentre per word puoi usare apache poi qui
cosa intendi per indicizzare?
forse ti può tornare utile lucene (sub-project di Apache) che si occupa di fare il parse di documenti word e pdf creando successivamente un indici.
ciao
Lucene si preoccupa da solo (in automatico) di indicizzare pdf e word? Sei sicuro?Originariamente inviato da newhook
cosa intendi per indicizzare?
forse ti può tornare utile lucene (sub-project di Apache) che si occupa di fare il parse di documenti word e pdf creando successivamente un indici.
ciao
si, e se vedi tika(sottoprogetto di lucene) ti fa il parse di molti altri tipi di file (mp3, zip ecc) indicizzando
http://lucene.apache.org/java/docs/
ciauz!
Scusa eh, e chiedo scusa anche a chi aperto il post per lo spazio che gli sto rubando, ma credo che possa servire anche a lui: siccome ho perso un sacco di tempo per indicizzare file di office e pdf ... sapresti indicarmi un link con qualche tutorial di questa nuova caratteristica di lucene? E' molto che lo fa? Ho visto che è uscita una nuova release pochi giorni fa, l'hanno introdotta in quella? Grazie super mille.
quale nuova caratteristica? intendi tika? è un sottoprogetto...in rete si torva poco, solo sul sito di apache. ==> http://lucene.apache.org/tika/
Per lucene si trova roba in giro, esempi tutorials ecc.
Cmq oltre alle java doc che ti ho passato ti mando questo link che ti spega un pò la struttura del tutto.
http://www.developer.com/java/other/...ene-Part-2.htm
per la rete si trova altro.
cmq mette a disposizione api per l'indicizzazioni e la ricerca...okkio agli Analyzer...
ciauz
nh
[QUOTE]Originariamente inviato da newhook
quale nuova caratteristica? /QUOTE]
Intendevo che non sapevo che lucene indicizzasse da solo quei tipi di documenti. Infatti ho perso un sacco di tempo con PDFBox (per i pdf) e altre librerie per indicizzare i documenti di office ... cmq grazie per la dritta!
de nada
Permessi di invio
Rispondi quotando