有一个 PDF 文档，其中包含 Tika 不应提取的附件（此处为：joboptions）。内容不应发送到 Solr。有没有办法在 Tika 配置中排除某些（或全部）PDF 附件？
@gagravarr，我们通过以下方式改变了这种行为蒂卡-2096，蒂卡1.15。现在默认设置为“提取所有嵌入文档”。为了避免解析嵌入文档，请调用：
parseContext.set(Parser.class, new EmptyParser())
或者子类EmbeddedDocumentExtractor不执行任何操作并通过ParseContext.
如果您使用 Solr DIHTikaEntityProcessor，我设置extractEmbedded to false，但你不是；请不要。 :)
因此，我认为没有一种简单的方法可以关闭仅针对 PDF 的嵌入文档的解析，而且我不确定您是否愿意这样做。例如，如果 PDF 中附加了 MSWord 文件怎么办？
如果你想忽略.joboptions，你可以使用自定义EmbeddedDocumentExtractor.
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
