TIKA - 元資料提取

上一頁
下一頁

除了內容，Tika 還可以提取檔案中的元資料。元資料只不過是與檔案一起提供的附加資訊。如果我們考慮一個音訊檔案，則藝術家姓名、專輯名稱、標題都屬於元資料。

XMP 標準

可擴充套件元資料平臺 (XMP) 是一種用於處理和儲存與檔案內容相關資訊的標準。它由Adobe Systems Inc建立。XMP 提供了定義、建立和處理元資料的標準。您可以將此標準嵌入到多種檔案格式中，例如PDF、JPEG、JPEG 2000、GIF、PNG、HTML等。

屬性類

Tika 使用 Property 類來遵循 XMP 屬性定義。它提供PropertyType 和ValueType 列舉來捕獲元資料的名稱和值。

元資料類

此類實現各種介面，例如ClimateForcast、CativeCommons、Geographic、TIFF 等，以提供對各種元資料模型的支援。此外，此類還提供各種方法來從檔案中提取內容。

元資料名稱

我們可以使用names()方法從其元資料物件中提取檔案的全部元資料名稱列表。它返回所有名稱作為字串陣列。使用元資料的名稱，我們可以使用get()方法獲取值。它接受一個元資料名稱並返回與其關聯的值。

String[] metadaNames = metadata.names();

String value = metadata.get(name);

使用 Parse 方法提取元資料

每當我們使用 parse() 解析檔案時，我們都會將一個空的元資料物件作為引數之一傳遞。此方法提取給定檔案的元資料（如果該檔案包含任何元資料），並將它們放入元資料物件中。因此，在使用 parse() 解析檔案後，我們可以從該物件中提取元資料。

Parser parser = new AutoDetectParser();
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();   //empty metadata object 
FileInputStream inputstream = new FileInputStream(file);
ParseContext context = new ParseContext();
parser.parse(inputstream, handler, metadata, context);

// now this metadata object contains the extracted metadata of the given file.
metadata.metadata.names();

以下是從文字檔案中提取元資料的完整程式。

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;

import org.xml.sax.SAXException;

public class GetMetadata {
	
   public static void main(final String[] args) throws IOException, TikaException {
	
      //Assume that boy.jpg is in your current directory
      File file = new File("boy.jpg");

      //Parser method parameters
      Parser parser = new AutoDetectParser();
      BodyContentHandler handler = new BodyContentHandler();
      Metadata metadata = new Metadata();
      FileInputStream inputstream = new FileInputStream(file);
      ParseContext context = new ParseContext();
      
      parser.parse(inputstream, handler, metadata, context);
      System.out.println(handler.toString());

      //getting the list of all meta data elements 
      String[] metadataNames = metadata.names();

      for(String name : metadataNames) {		        
         System.out.println(name + ": " + metadata.get(name));
      }
   }
}

將上述程式碼儲存為 GetMetadata.java 並使用以下命令從命令提示符執行它：

javac  GetMetadata .java
java  GetMetadata

以下是 boy.jpg 的快照

jpg

如果執行上述程式，則會得到以下輸出：

X-Parsed-By: org.apache.tika.parser.DefaultParser
Resolution Units: inch
Compression Type: Baseline
Data Precision: 8 bits
Number of Components: 3
tiff:ImageLength: 3000
Component 2: Cb component: Quantization table 1, Sampling factors 1 horiz/1 vert
Component 1: Y component: Quantization table 0, Sampling factors 2 horiz/2 vert
Image Height: 3000 pixels
X Resolution: 300 dots
Original Transmission Reference:
   53616c7465645f5f2368da84ca932841b336ac1a49edb1a93fae938b8db2cb3ec9cc4dc28d7383f1
Image Width: 4000 pixels
IPTC-NAA record: 92 bytes binary data
Component 3: Cr component: Quantization table 1, Sampling factors 1 horiz/1 vert
tiff:BitsPerSample: 8
Application Record Version: 4
tiff:ImageWidth: 4000
Content-Type: image/jpeg
Y Resolution: 300 dots

我們也可以獲取我們想要的元資料值。

新增新的元資料值

我們可以使用元資料類的 add() 方法新增新的元資料值。以下是此方法的語法。在這裡，我們新增作者姓名。

metadata.add(“author”,”Tutorials point”);

元資料類具有預定義的屬性，包括從ClimateForcast、CativeCommons、Geographic等類繼承的屬性，以支援各種資料模型。下面顯示的是 Tika 為遵循 TIFF 影像格式的 XMP 元資料標準而實現的 TIFF 介面繼承的 SOFTWARE 資料型別的用法。

metadata.add(Metadata.SOFTWARE,"ms paint");

以下是演示如何將元資料值新增到給定檔案的完整程式。此處在輸出中顯示元資料元素列表，以便您可以在新增新值後觀察列表的變化。

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.Arrays;

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;

import org.xml.sax.SAXException;

public class AddMetadata {

   public static void main(final String[] args) throws IOException, SAXException, TikaException {

      //create a file object and assume sample.txt is in your current directory
      File file = new File("Example.txt");

      //Parser method parameters
      Parser parser = new AutoDetectParser();
      BodyContentHandler handler = new BodyContentHandler();
      Metadata metadata = new Metadata();
      FileInputStream inputstream = new FileInputStream(file);
      ParseContext context = new ParseContext();

      //parsing the document
      parser.parse(inputstream, handler, metadata, context);

      //list of meta data elements before adding new elements
      System.out.println( " metadata elements :"  +Arrays.toString(metadata.names()));

      //adding new meta data name value pair
      metadata.add("Author","Tutorials Point");
      System.out.println(" metadata name value pair is successfully added");
      
      //printing all the meta data elements after adding new elements
      System.out.println("Here is the list of all the metadata 
         elements after adding new elements");
      System.out.println( Arrays.toString(metadata.names()));
   }
}

將上述程式碼儲存為 AddMetadata.java 類，並從命令提示符執行它：

javac  AddMetadata .java 
java  AddMetadata

以下是 Example.txt 的內容

Hi students welcome to tutorialspoint

如果執行上述程式，則會得到以下輸出：

metadata elements of the given file :
[Content-Encoding, Content-Type] 
enter the number of metadata name value pairs to be added 1
enter metadata1name: 
Author enter metadata1value: 
Tutorials point metadata name value pair is successfully added
Here is the list of all the metadata elements  after adding new elements
[Content-Encoding, Author, Content-Type]

設定現有元資料元素的值

您可以使用 set() 方法設定現有元資料元素的值。使用 set() 方法設定日期屬性的語法如下：

metadata.set(Metadata.DATE, new Date());

您還可以使用 set() 方法為屬性設定多個值。使用 set() 方法為 Author 屬性設定多個值的語法如下：

metadata.set(Metadata.AUTHOR, "ram ,raheem ,robin ");

以下是演示 set() 方法的完整程式。

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;

import java.util.Date;

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;

import org.xml.sax.SAXException;

public class SetMetadata {

   public static void main(final String[] args) throws IOException,SAXException, TikaException {
   
      //Create a file object and assume example.txt is in your current directory
      File file = new File("example.txt");
      
      //parameters of parse() method
      Parser parser = new AutoDetectParser();
      BodyContentHandler handler = new BodyContentHandler();
      Metadata metadata = new Metadata();
      FileInputStream inputstream = new FileInputStream(file);
      ParseContext context = new ParseContext();
      
      //Parsing the given file
      parser.parse(inputstream, handler, metadata, context);
     
      //list of meta data elements elements
      System.out.println( " metadata elements and values of the given file :");
      String[] metadataNamesb4 = metadata.names();
      
      for(String name : metadataNamesb4) {
    	  System.out.println(name + ": " + metadata.get(name));
      }
      
      //setting date meta data 
      metadata.set(Metadata.DATE, new Date());
      
      //setting multiple values to author property
      metadata.set(Metadata.AUTHOR, "ram ,raheem ,robin ");
      
      //printing all the meta data elements with new elements
      System.out.println("List of all the metadata elements  after adding new elements ");
      String[] metadataNamesafter = metadata.names();
      
      for(String name : metadataNamesafter) {
         System.out.println(name + ": " + metadata.get(name));
      }
   }
}

將上述程式碼儲存為 SetMetadata.java 並從命令提示符執行它：

javac  SetMetadata.java 
java  SetMetadata

以下是 example.txt 的內容。

Hi students welcome to tutorialspoint

如果執行上述程式，則會得到以下輸出。在輸出中，您可以觀察到新新增的元資料元素。

metadata elements and values of the given file :
Content-Encoding: ISO-8859-1
Content-Type: text/plain; charset = ISO-8859-1
Here is the list of all the metadata elements  after adding new elements 
date: 2014-09-24T07:01:32Z
Content-Encoding: ISO-8859-1
Author: ram, raheem, robin 
Content-Type: text/plain; charset = ISO-8859-1
列印頁面
上一頁
下一頁
廣告
© . All rights reserved.