[TOC] > [home](https://tika.apache.org/) > [downlaod](https://tika.apache.org/download.html) ## tika Apache Tika 是一個功能強大的工具，用于從各種文件格式中提取文本和元數據。它支持廣泛的文件類型，包括文檔、圖像、音頻、視頻等，并且能夠自動檢測文件類型。Tika 被廣泛應用于信息檢索、數據挖掘、數字圖書館等領域。以下是對 Apache Tika 的詳細介紹。 **功能與特點** 1. **多種文件格式支持** * **文檔格式**: Microsoft Word (.doc, .docx), Excel (.xls, .xlsx), PowerPoint (.ppt, .pptx), PDF, OpenOffice, HTML, ePub等。 * **圖像格式**: JPEG, PNG, GIF, BMP, TIFF等。 * **音頻格式**: MP3, WAV, Ogg等。 * **視頻格式**: MP4, AVI, MKV等。 * **其他**: ZIP, RAR, TAR等壓縮格式，郵件格式如 EML 和 MSG。 2. **文本提取** Tika 可以從各種文件格式中提取純文本內容，方便后續處理和分析。 3. **元數據提取** 除了文本，Tika 還能夠提取文件的元數據，如作者、標題、創建時間等。 4. **自動檢測文件類型** Tika 能夠自動檢測輸入文件的類型，并選擇合適的解析器進行處理。 5. **易于集成** Tika 提供了多種語言的 API，包括 Java、Python、Go 等，方便集成到各種應用中。 **部署方式** 1. **作為庫使用** 可以將 Tika 作為 Java 庫直接集成到應用程序中，適用于需要直接調用 Tika API 的場景。 2. **Tika 服務器** Tika 服務器提供了一個 RESTful API，可以通過 HTTP 請求進行文檔解析，適用于跨平臺和分布式系統。 3. **命令行工具** Tika 提供了命令行工具，可以在終端中執行各種解析任務，適用于腳本化和批處理場景。 **典型應用** 1. **內容管理系統** 在內容管理系統（CMS）中使用 Tika 自動提取上傳文件的文本和元數據，方便內容索引和搜索。 2. **電子發現** 在法律和合規性領域，用于大規模文檔的自動解析和分析。 3. **數據分析** 將各種格式的數據提取為結構化文本，方便數據挖掘和分析。 4. **數字圖書館** 自動提取電子書和文檔的內容和元數據，提供全文搜索和檢索功能。 ## 服務 docker ``` docker run -d -p 9998:9998 apache/tika:latest ``` java ``` java -jar tika-server-1.21.jar -p 9998 ``` 通過調用 GET `http://127.0.0.1:9998/version` 查看服務是否起來